BenchLeader

Claude Sonnet 5.5 vs Muse Spark Open

完整资料:Claude Sonnet 5.5(Anthropic)和 Muse Spark Open(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 15 个来源

截至 2026年11月16日,质量上 Claude Sonnet 5.5 领先 Muse Spark Open(BenchLeader Index 64.2 比 53.5)。不过,Muse Spark Open 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $2.00 比 $4.00)。看重编程(70 比 36)、推理(68 比 51)和长上下文(66 比 64)选 Claude Sonnet 5.5;看重知识(59 比 57)选 Muse Spark Open。Muse Spark Open 的首次回答更快(9.9 秒 比 290.5 秒)。

要点(截至 2026年11月16日)

  • Claude Sonnet 5.5 的 BenchLeader Index 为 64.2,Muse Spark Open 为 53.5(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5.5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Muse Spark Open 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 36 项基准测试中,Claude Sonnet 5.5 领先 31 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Claude Sonnet 5.5类别得分 70 比 36;FrontierCode 2.0 (AA) 41.7% 比 7.6%高
推理Claude Sonnet 5.5类别得分 68 比 51;HLE-Diamond (AA) 53.3% 比 26.3%高
知识Muse Spark Open类别得分 59 比 57;AA-Omniscience v1.1 25.8 比 30.5中
长文档Claude Sonnet 5.5类别得分 66 比 64;AA-LCR v1.1 82.7% 比 78.3%中
成本最低Muse Spark Open每百万 token 混合价格 $2.00 比 $4.00;智能体编程会话 $0.092 比 $0.160–
首次回答最快Muse Spark Open首个回答 token 9.9 秒(Muse Spark Open (xhigh))比 290.5 秒(Claude Sonnet 5.5 (max))–
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

  • 质量上 Claude Sonnet 5.5 (max) 领先:64.2 比 53.5。
  • Claude Sonnet 5.5 (max) 在编程、长上下文、推理方面更强。
  • Muse Spark Open (xhigh) 在知识方面更强。
  • Muse Spark Open (xhigh) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $2.00 比 $4.00)。

概览

规格Claude Sonnet 5.5Muse Spark Open
提供商AnthropicMeta
发布日期2026年9月28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 5.5 (max)Muse Spark Open (xhigh)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.100$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 5.5 (max)Muse Spark Open (xhigh)领先者
推理67.851.3Claude Sonnet 5.5
编程70.236.0Claude Sonnet 5.5
智能体与工具70.5–无法比较
数学71.3–无法比较
知识57.458.8Muse Spark Open
多模态–63.3无法比较
长上下文66.063.8Claude Sonnet 5.5
综合63.0–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推理编程知识长上下文Claude Sonnet 5.5, 推理: 67.8Claude Sonnet 5.5, 编程: 70.2Claude Sonnet 5.5, 知识: 57.4Claude Sonnet 5.5, 长上下文: 66.0Muse Spark Open, 推理: 51.3Muse Spark Open, 编程: 36.0Muse Spark Open, 知识: 58.8Muse Spark Open, 长上下文: 63.8

未绘制(测得的模型少于两个):智能体与工具, 数学, 指令遵循, 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 36 项基准测试中,Claude Sonnet 5.5 领先 31 项,Muse Spark Open 领先 5 项。所有同时评测两者的综合评分都认为 Claude Sonnet 5.5 更强。

综合 IndexClaude Sonnet 5.5 (max)Muse Spark Open (xhigh)领先者
BenchLeader Index64.253.5Claude Sonnet 5.5
AA Intelligence Index v5.0.154.524.9Claude Sonnet 5.5
Vals Index70.848.6Claude Sonnet 5.5

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 5.5 (max)Muse Spark Open (xhigh)
每百万 token 混合价格$4.00$2.00
每百万 token 输入 / 输出$2.00 / $10.00$1.25 / $4.25
每百万 token 缓存输入$0.100$0.150
每项任务价格:聊天回复$0.0038$0.0018
每项任务价格:总结一份 30 页的报告$0.030$0.018
每项任务价格:代码编辑$0.027$0.014
每项任务价格:智能体编程会话$0.160$0.092
每项任务价格:结构化信息提取$0.0060$0.0034
智能体编程会话(输入大多命中缓存)$0.074$0.043
每项基准测试任务成本(AA Index)$10.02$2.02
每项任务输出 token(AA Index)285k66k
其中推理部分206k32k
每项任务耗时(AA Index)31 min6 min
输出速度152 tok/s180 tok/s
首次回答时间290.5 秒9.9 秒
完整回答耗时(最近一次测量 2026年11月13日)487.7 秒39.9 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Sonnet 5.5 (max) 上花费 $10.02,在 Muse Spark Open (xhigh) 上花费 $2.02;完成同样的工作,Claude Sonnet 5.5 (max) 输出的 token 是对方的 4.3 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。Claude Sonnet 5.5 (max) 得分 64.2,首个回答 token 需 291 秒;Claude Sonnet 5.5 (xhigh) 为 62.5(27 秒),Claude Sonnet 5.5 (high) 为 59.5(9 秒)。Muse Spark Open (xhigh) 得分 53.5,首个回答 token 需 10 秒。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 152 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 5.5 (max)Muse Spark Open (xhigh)
BenchLeader IndexBenchLeader64.253.5
智能体与工具得分BenchLeader70.5–
编程得分BenchLeader70.236.0
综合得分BenchLeader63.0–
知识得分BenchLeader57.458.8
长上下文得分BenchLeader66.063.8
数学得分BenchLeader71.3–
推理得分BenchLeader67.851.3
多模态得分BenchLeader–63.3
混合价格(美元/百万 token)BenchLeader$4.00$2.00
输出速度BenchLeader152 tok/s180 tok/s
首次回答时间BenchLeader290.5 秒9.9 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.6%–
Humanity's Last ExamScale AI / CAIS46.1%†–
SimpleBenchSimpleBench75.9%†–
Arena Hard PromptsArena (LMArena)1499†–
LiveBench 2.0 ReasoningLiveBench91.6%73.7%†
LiveBench 1.0 ReasoningLiveBench91.6%–
GPQA Diamond (AA)Artificial Analysis–89.0%
Humanity's Last Exam (AA)Artificial Analysis55.0%43.9%
HLE-Diamond (AA)Artificial Analysis53.3%26.3%
ARC-AGI-1ARC Prize96.5%89.0%
ARC-AGI-2ARC Prize83.9%†57.5%
ARC-AGI-3ARC Prize72.4%†0.4%
CritPtArtificial Analysis31.4%14.9%
CritPt v2 hard subset (AA)Artificial Analysis59.0%29.5%
MysteryMechanismVals AI49.1%–
HLE-Diamond (Scale)Scale AI SEAL37.5%†28.0%†
Arena ExpertArena (LMArena)1512†–
Chess PuzzlesEpoch AI Benchmarking Hub59.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub65.0%–
LMCAEpoch AI Benchmarking Hub68.3%–
DTBenchEpoch AI Benchmarking Hub97.3%–
编程
SciCodeSciCode61.0%–
FrontierCodeCognition52.1%†–
Arena CodingArena (LMArena)1517†–
Arena WebDevArena (LMArena)1772†1526†
显示全部 152 项基准测试
指标发布方Claude Sonnet 5.5 (max)Muse Spark Open (xhigh)
编程
LiveBench 2.0 CodingLiveBench77.2%55.1%†
LiveBench 1.0 CodingLiveBench91.4%–
SciCode (AA)Artificial Analysis61.0%58.5%
IOIVals AI83.1%–
Code MigrationVals AI69.8%21.2%
Code Migration v1.1Vals AI86.9%26.9%
ProgramBenchVals AI6.5%–
SWE-bench MultimodalVals AI58.3%–
Vibe Code Bench v1.1Vals AI92.4%76.2%
SWE Atlas v1.1Scale AI SEAL68.3%†42.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%†50.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL67.8%†41.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL62.9%†35.7%†
SWE-Bench Pro V2Scale AI SEAL95.8%†95.0%
SWE-Bench Pro V2 HARDScale AI SEAL70.6%†82.3%
MirrorCodeEpoch AI Benchmarking Hub97.8%–
CursorBenchCursor55.5%–
ALE-BenchEpoch AI Benchmarking Hub1819.1†–
FrontierSWEEpoch AI Benchmarking Hub61.9%–
WeirdML v3WeirdML19.9%†–
Terminal-Bench 4.0 (AA)Artificial Analysis63.6%8.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–76.4%
Startrise FrontendStartrise75.9%†–
GameBench 2 OverallDuelLab GameBench 260.4†55.3†
GameBench 2 by reasoning settingDuelLab GameBench 291.4†59.3
Design Arena WebsiteDesign Arena1309†1305
FrontierCode 1.1 (AA)Artificial Analysis45.8%27.6%
FrontierCode 2.0 (AA)Artificial Analysis41.7%7.6%
智能体与工具
Terminal-BenchTerminal-Bench63.9%–
APEX-AgentsMercor75.5%–
Arena AgentArena (LMArena)16–
LiveBench Long AgenticLiveBench63.4%12.1%†
LiveBench BrowserLiveBench89.3%26.2%†
LiveBench Agentic CodingLiveBench56.3%–
Terminal-Bench 2.1 (Vals)Vals AI83.2%†–
HiL-BenchScale AI SEAL–59.7%†
GDPval-AA v2.1, normalised scoreArtificial Analysis66.9%45.1%
GDPval-AA v2.1Artificial Analysis18381401
Analyst Agent (AA)Artificial Analysis57.5%–
CyberBenchVals AI59.6%–
Finance Agent v2Vals AI58.1%61.3%
Finance Agent v2.1Vals AI67.3%60.7%
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%25.0%
Harvey's Legal Agent Benchmark v1Vals AI2.9%16.7%
Legal Research BenchVals AI48.1%38.5%
SREBenchVals AI30.1%–
Tax Agent BenchVals AI42.0%26.3%
Terminal-Bench 4.0 (Vals)Vals AI64.1%6.6%
Terminal-Bench ScienceVals AI47.1%–
Arena Agent Task CompletionArena (LMArena)19.5–
Vending-Bench 2Andon Labs11165.3†–
SpireClimbEpoch AI Benchmarking Hub1.3%–
AutomationBenchArtificial Analysis71.8%49.7%
GDP.pdf (AA)Artificial Analysis25.8%18.6%
Harvey LAB-AA v1.1Harvey2.8%–
AA-Briefcase v1.1Artificial Analysis18161280
GDPxGDPx by SemiAnalysis8.2%1.7%†
Design Arena AgenticDesign Arena1293†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis53.3%1.9%
MKA (AA)Artificial Analysis52.0%–
FACTS SearchGoogle86.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub88.8%–
FrontierMath Tier 4Epoch AI Benchmarking Hub80.5%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI100.0%–
LiveBench MathematicsLiveBench96.1%–
ArXivMathMathArena–27.0%
BrokenArXivMathArena–30.1%
Arena MathsArena (LMArena)1486†–
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.5%–
LiveBench 2.0 Data AnalysisLiveBench59.5%60.2%†
LiveBench ResearchLiveBench88.0%82.7%†
LiveBench 1.0 Data AnalysisLiveBench59.5%–
AA-Omniscience v1.1Artificial Analysis30.525.8
PRBench LegalScale AI SEAL–59.8%†
BioMysteryBenchVals AI81.1%–
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI75.7%53.7%
Excel Modeling Benchmark v1.1Vals AI75.9%62.0%
MedCodeVals AI52.9%–
MedScribeVals AI91.1%–
Public Benefits Bench v1.1Vals AI67.2%–
Access to Justice BenchmarkVals AI74.9%–
Financial Coaching BenchVals AI74.9%–
Immigration BenchVals AI69.0%–
GDP.pdfEpoch AI Benchmarking Hub31.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis51.5%42.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis56.7%72.0%
HealthBench Professional (AA)OpenAI63.0%–
FACTS ParametricGoogle35.1%†–
指令遵循
LiveBench LanguageLiveBench78.0%–
LiveBench Instruction FollowingLiveBench56.8%–
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1482†–
人类偏好
Arena TextArena (LMArena)1473†–
Arena Creative WritingArena (LMArena)1464†–
Arena Multi-turnArena (LMArena)1469†–
Arena Longer QueriesArena (LMArena)1491†–
多模态
Arena VisionArena (LMArena)1284†–
LiveBench DesignLiveBench81.3%58.1%†
MMMU-ProArtificial Analysis–80.9%
SAGEVals AI88.0%85.8%
Humanity's Sixth SenseScale AI SEAL–29.6%†
Blueprint-Bench 2Epoch AI Benchmarking Hub39.3%†–
Furniture AssemblyEpoch AI Benchmarking Hub75.0%–
VIALS-AAHandshake AI59.6%–
Code2Video-AAArtificial Analysis1443–
AA-3DArtificial Analysis1204–
FACTS MultimodalGoogle50.4%†–
长上下文
AA-LCR v1.1Artificial Analysis82.7%78.3%
MLCRArtificial Analysis41.7%7.8%
FACTS GroundingGoogle62.5%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub166.6†155.4†
LiveBench 2.0LiveBench77.0%48.5%†
LiveBench 1.0LiveBench75.7%–
AA Intelligence Index v5.0.1Artificial Analysis54.524.9
AA Intelligence Index v4.3.2Artificial Analysis5638.9
AA Progress Index v1Artificial Analysis350.5306.7
Vals IndexVals AI70.848.6
Vals Finance IndexVals AI64.5%53.0%
Vals Science IndexVals AI59.1%–
Vals Router IndexVals AI69.0%†–
Vals Legal IndexVals AI68.0%68.5%
安全与诚实
FORTRESSScale AI SEAL–7.6%†
DistressBenchScale AI SEAL74.6%†87.7%†
元数据
AA Openness IndexArtificial Analysis–27.8

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。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Claude Sonnet 5.5 (max):36 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Sonnet 5.5 (max):BenchLeader Index 65.1 → 64.6。
  • Muse Spark Open (xhigh):1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项新结果(MirrorCode)。
  • Claude Sonnet 5.5 (max):2 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Muse Spark Open (xhigh):1 项新结果(GameBench 2 by reasoning setting);1 项分数修订。
  • Claude Sonnet 5.5 (max):1 项分数修订。
  • Muse Spark Open (xhigh):BenchLeader Index 53.3 → 53.8。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Sonnet 5.5 vs Muse Spark Open:常见问题

Claude Sonnet 5.5 比 Muse Spark Open 更好吗?
质量上 Claude Sonnet 5.5 (max) 领先:64.2 比 53.5。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Claude Sonnet 5.5 (max) 总体领先,但请结合你的用途查看各类别得分。
Claude Sonnet 5.5 和 Muse Spark Open 哪个更便宜?价格会变吗?
目前 Muse Spark Open 更便宜:每百万 token $2.00 比 $4.00(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 5.5 还是 Muse Spark Open 更好?
Claude Sonnet 5.5 在编程方面得分更高(类别得分 70 比 36,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Claude Sonnet 5.5 为 41.7%,Muse Spark Open 为 7.6%。
Claude Sonnet 5.5 和 Muse Spark Open 哪个更快?
Muse Spark Open 输出更快(输出 180 比 152 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
Claude Sonnet 5.5 在长上下文基准测试上得分更高(66 比 64)。两者都约为 1M token(Claude Sonnet 5.5 为 1,000,000,Muse Spark Open 为 1,048,576)。
更多问题(3)
哪个延迟更低?
Muse Spark Open 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 9.9 秒比 290.5 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Sonnet 5.5 和 Muse Spark Open 的看法一致吗?
在两者都有结果的 36 项基准测试中,Claude Sonnet 5.5 领先 31 项,Muse Spark Open 领先 5 项。所有同时评测两者的综合评分都认为 Claude Sonnet 5.5 更强。
Muse Spark Open 是什么时候发布的?
Muse Spark Open 于 2026年10月15日 发布。