BenchLeader

Claude Sonnet 4.6 vs Muse Spark Open 816B A42B

完整资料:Claude Sonnet 4.6(Anthropic)和 Muse Spark Open 816B A42B(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 9 个来源

截至 2026年11月16日,Claude Sonnet 4.6 与 Muse Spark Open 816B A42B 的质量不相上下(BenchLeader Index 57.6 比 58.1,在 ±7.3 的误差范围内)。Muse Spark Open 816B A42B 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $2.00 比 $6.00)。看重数学(63 比 59)选 Claude Sonnet 4.6;看重编程(65 比 54)和知识(62 比 58)选 Muse Spark Open 816B A42B。

要点(截至 2026年11月16日)

  • Claude Sonnet 4.6 的 BenchLeader Index 为 57.6,Muse Spark Open 816B A42B 为 58.1(BenchLeader,2026年11月16日)。
  • Claude Sonnet 4.6 每百万 token 混合价格为 $6.00(标价,2026年11月16日)。
  • Muse Spark Open 816B A42B 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • 在两者都有结果的 2 项基准测试中,Muse Spark Open 816B A42B 领先 2 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Muse Spark Open 816B A42B类别得分 65 比 54高
数学Claude Sonnet 4.6类别得分 63 比 59;OTIS Mock AIME 85.8% 比 98.1%中
推理均可类别得分 64 比 63;GPQA Diamond 87.4% 比 88.6%均可
知识Muse Spark Open 816B A42B类别得分 62 比 58中
对话质量(人类偏好)–只有 Claude Sonnet 4.6 有 Arena 评分(类别得分 61)无法比较
成本最低Muse Spark Open 816B A42B每百万 token 混合价格 $2.00 比 $6.00;智能体编程会话 $0.092 比 $0.240–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Claude Sonnet 4.6 与 Muse Spark Open 816B A42B (xhigh) 的质量不相上下(57.6 比 58.1,在 ±7.3 的误差范围内)。
  • Claude Sonnet 4.6 在数学、推理方面更强。
  • Muse Spark Open 816B A42B (xhigh) 在编程、知识方面更强。
  • Muse Spark Open 816B A42B (xhigh) 更便宜,对方的价格是它的 3.0 倍(每百万 token 混合价格 $2.00 比 $6.00)。

概览

规格Claude Sonnet 4.6Muse Spark Open 816B A42B
提供商AnthropicMeta
发布日期2026年2月17日2026年10月15日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Sonnet 4.6Muse Spark Open 816B A42B (xhigh)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$3.00 / $15.00 / $0.300$1.25 / $4.25 / $0.150

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Sonnet 4.6Muse Spark Open 816B A42B (xhigh)领先者
推理63.963.2持平
编程53.565.1Muse Spark Open 816B A42B
智能体与工具52.6–无法比较
数学63.158.7Claude Sonnet 4.6
知识58.161.5Muse Spark Open 816B A42B
人类偏好60.5–无法比较
多模态62.4–无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程数学知识Claude Sonnet 4.6, 推理: 63.9Claude Sonnet 4.6, 编程: 53.5Claude Sonnet 4.6, 数学: 63.1Claude Sonnet 4.6, 知识: 58.1Muse Spark Open 816B A42B, 推理: 63.2Muse Spark Open 816B A42B, 编程: 65.1Muse Spark Open 816B A42B, 数学: 58.7Muse Spark Open 816B A42B, 知识: 61.5

未绘制(测得的模型少于两个):智能体与工具, 指令遵循, 长上下文, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 2 项基准测试中,Claude Sonnet 4.6 领先 0 项,Muse Spark Open 816B A42B 领先 2 项。

综合 IndexClaude Sonnet 4.6Muse Spark Open 816B A42B (xhigh)领先者
BenchLeader Index57.658.1不相上下

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Sonnet 4.6Muse Spark Open 816B A42B (xhigh)
每百万 token 混合价格$6.00$2.00
每百万 token 输入 / 输出$3.00 / $15.00$1.25 / $4.25
每百万 token 缓存输入$0.300$0.150
每项任务价格:聊天回复$0.0057$0.0018
每项任务价格:总结一份 30 页的报告$0.045$0.018
每项任务价格:代码编辑$0.041$0.014
每项任务价格:智能体编程会话$0.240$0.092
每项任务价格:结构化信息提取$0.0090$0.0034
智能体编程会话(输入大多命中缓存)$0.118$0.043
输出速度43 tok/s–
首次回答时间0.6 秒–

每个模型都按其排名最高的推理强度设置进行对比。Claude Sonnet 4.6 得分 57.6,首个回答 token 需 1 秒;Claude Sonnet 4.6 (max) 为 56.1(91 秒),Claude Sonnet 4.6 (high) 为 50.3(1 秒)。Muse Spark Open 816B A42B (xhigh) 得分 58.1。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 108 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Sonnet 4.6Muse Spark Open 816B A42B (xhigh)
BenchLeader IndexBenchLeader57.658.1
智能体与工具得分BenchLeader52.6–
编程得分BenchLeader53.565.1
人类偏好得分BenchLeader60.5–
知识得分BenchLeader58.161.5
数学得分BenchLeader63.158.7
多模态得分BenchLeader62.4–
推理得分BenchLeader63.963.2
混合价格(美元/百万 token)BenchLeader$6.00$2.00
输出速度BenchLeader43 tok/s–
首次回答时间BenchLeader0.6 秒–
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub87.4%88.6%
Arena Hard PromptsArena (LMArena)1503–
LiveBench 1.0 ReasoningLiveBench84.8%†–
GPQA Diamond (AA)Artificial Analysis87.5%†–
Humanity's Last Exam (AA)Artificial Analysis33.6%†–
GPQA Diamond (Vals)Vals AI85.6%†–
ARC-AGI-1ARC Prize86.0%†–
ARC-AGI-2ARC Prize58.3%†–
CritPtArtificial Analysis3.1%†–
Arena ExpertArena (LMArena)1506–
Chess PuzzlesEpoch AI Benchmarking Hub23.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub14.0%–
LMCAEpoch AI Benchmarking Hub46.5%†–
DTBenchEpoch AI Benchmarking Hub89.9%†–
ForecastBenchForecastBench64.0%–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub75.2%–
SciCodeSciCode46.8%†58.5%
WeirdMLWeirdML66.1%†–
FrontierCodeCognition24.3%–
Arena CodingArena (LMArena)1528–
Arena WebDevArena (LMArena)1522–
LiveBench 1.0 CodingLiveBench79.3%†–
SciCode (AA)Artificial Analysis50.1%†–
LiveCodeBenchVals AI82.1%†–
SWE-bench (Vals)Vals AI77.4%†–
显示全部 108 项基准测试
指标发布方Claude Sonnet 4.6Muse Spark Open 816B A42B (xhigh)
编程
Code MigrationVals AI39.9%†–
ProgramBenchVals AI0.5%†–
Vibe Code Bench v1.1Vals AI55.8%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL31.2%–
SWE Atlas v1.0: RefactoringScale AI SEAL32.2%–
SWE Atlas v1.0: Test WritingScale AI SEAL31.8%–
DeepSWE v1.1Epoch AI Benchmarking Hub29.9%†–
ALE-BenchEpoch AI Benchmarking Hub1327.3†1590.1
Terminal-Bench 4.0 (AA)Artificial Analysis3.0%†–
Terminal-Bench 2.1 (AA)Artificial Analysis71.2%†–
Design Arena WebsiteDesign Arena1277–
智能体与工具
Terminal-BenchTerminal-Bench53.4%–
OSWorld-Verified 2.0OSWorld8.3%†–
APEX-AgentsMercor43.0%†33.4%†
LiveBench Agentic CodingLiveBench42.6%†–
Terminal-Bench HardArtificial Analysis53.0%†–
τ²-Bench Telecom (AA)Artificial Analysis75.7%†–
Terminal-Bench 2.1 (Vals)Vals AI57.3%†–
MCP AtlasScale AI SEAL69.5%–
GDPval-AA v2.1Artificial Analysis1240†–
τ³-Banking (AA)Artificial Analysis34.4%†–
ITBench SRE (AA)Artificial Analysis39.8%†–
Analyst Agent (AA)Artificial Analysis20.0%†–
APEX-Agents (AA)Artificial Analysis28.0%†–
Finance Agent v2Vals AI51.0%†–
Harvey's Legal Agent Benchmark v1Vals AI5.0%†–
Legal Research BenchVals AI38.5%†–
SkillsBenchVals AI49.0%†–
Tax Agent BenchVals AI25.8%†–
Terminal-Bench 2.0 (Vals)Vals AI59.5%†–
Arena SearchArena (LMArena)1201–
DeepResearch BenchDeepResearch Bench54.9%†–
ExploitBenchEpoch AI Benchmarking Hub23.6%–
GBAEvalEpoch AI Benchmarking Hub48.8%–
Vending-Bench 2Andon Labs7204.1–
AutomationBenchArtificial Analysis20.1%†–
GDP.pdf (AA)Artificial Analysis15.8%†–
AA-Briefcase v1.1Artificial Analysis1062†–
Design Arena AgenticDesign Arena1187–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–69.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub–31.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub85.8%98.1%
ProofBenchVals AI45.0%†–
LiveBench MathematicsLiveBench87.0%†–
AIME (Vals)Vals AI92.3%–
Arena MathsArena (LMArena)1461–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub32.8%†56.6%
LiveBench 1.0 Data AnalysisLiveBench78.0%†–
MMLU-ProVals AI87.3%†–
LegalBenchVals AI82.1%†–
CorpFinVals AI65.3%†–
TaxEvalVals AI77.1%†–
MedQAVals AI92.1%–
CaseLaw v2Vals AI64.0%–
Excel Modeling BenchmarkVals AI60.1%†–
Public Benefits Bench v1.1Vals AI62.5%†–
DrugDiscoveryBenchScale AI SEAL31.3%†–
GDP.pdfEpoch AI Benchmarking Hub18.0%†–
Global-MMLU-Lite (AA)Artificial Analysis90.5%†–
指令遵循
LiveBench LanguageLiveBench76.1%†–
LiveBench Instruction FollowingLiveBench63.2%†–
IFBenchArtificial Analysis56.6%†–
Arena Instruction FollowingArena (LMArena)1475–
人类偏好
Arena TextArena (LMArena)1472–
EQ-Bench 4EQ-Bench1197–
EQ-Bench Creative Writing v3EQ-Bench1811–
Arena Creative WritingArena (LMArena)1449–
Arena Multi-turnArena (LMArena)1480–
Arena Longer QueriesArena (LMArena)1492–
多模态
Arena VisionArena (LMArena)1283–
MMMU-ProArtificial Analysis73.3%†–
MMMU-Pro (Vals)Vals AI83.6%†–
MortgageTaxVals AI67.7%†–
GeoBenchGeoBench73.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub6.7%–
长上下文
AA-LCR v1.1Artificial Analysis80.0%†–
Arena DocumentArena (LMArena)1478–
MLCRArtificial Analysis7.8%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.9–
LiveBench 1.0LiveBench73.0%†–
AA Intelligence Index v4.3.2Artificial Analysis30.1†–
AA Progress Index v1Artificial Analysis293.6†–
Vals Multimodal IndexVals AI60.6%†–

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

变化

  • Claude Sonnet 4.6:BenchLeader Index 58.3 → 57.6。
  • Claude Sonnet 4.6:2 项分数修订。
  • Muse Spark Open 816B A42B (xhigh):BenchLeader Index 58.6 → 58.1。
  • Claude Sonnet 4.6:1 项新结果(GeoBench)。
  • Claude Sonnet 4.6:1 项新结果(Arena Search)。
  • Claude Sonnet 4.6:BenchLeader Index 57.1 → 58.3。
  • Claude Sonnet 4.6:1 项分数修订。
  • Claude Sonnet 4.6:1 项新结果(Harvey's Legal Agent Benchmark v1)。
  • Claude Sonnet 4.6:1 项分数修订。
  • Claude Sonnet 4.6:BenchLeader Index 58.9 → 57.1。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Sonnet 4.6 vs Muse Spark Open 816B A42B:常见问题

Claude Sonnet 4.6 比 Muse Spark Open 816B A42B 更好吗?
Claude Sonnet 4.6 与 Muse Spark Open 816B A42B (xhigh) 的质量不相上下(57.6 比 58.1,在 ±7.3 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Sonnet 4.6 和 Muse Spark Open 816B A42B 哪个更便宜?价格会变吗?
目前 Muse Spark Open 816B A42B 更便宜:每百万 token $2.00 比 $6.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Sonnet 4.6 还是 Muse Spark Open 816B A42B 更好?
Muse Spark Open 816B A42B 在编程方面得分更高(类别得分 65 比 54,50 为平均水平)。
处理长文档哪个更好?
两者都约为 1M token(Claude Sonnet 4.6 为 1,000,000,Muse Spark Open 816B A42B 为 1,048,576)。
第三方基准测试对 Claude Sonnet 4.6 和 Muse Spark Open 816B A42B 的看法一致吗?
在两者都有结果的 2 项基准测试中,Claude Sonnet 4.6 领先 0 项,Muse Spark Open 816B A42B 领先 2 项。
更多问题(1)
Muse Spark Open 816B A42B 是什么时候发布的?
Muse Spark Open 816B A42B 于 2026年10月15日 发布。