BenchLeader

Claude Sonnet 5 vs Muse Spark

完整资料:Claude Sonnet 5(Anthropic)和 Muse Spark(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,质量上 Muse Spark 领先 Claude Sonnet 5(BenchLeader Index 64.2 比 59.0)。看重数学(65 比 59)选 Claude Sonnet 5;看重智能体与工具(65 比 53)、编程(65 比 60)和人类偏好(68 比 65)选 Muse Spark。

要点(截至 2026年11月16日)

  • Claude Sonnet 5 的 BenchLeader Index 为 59.0,Muse Spark 为 64.2(BenchLeader,2026年11月16日)。
  • Claude Sonnet 5 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • 在两者都有结果的 17 项基准测试中,Claude Sonnet 5 领先 10 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类别得分 65 比 60;Arena Coding 1529 比 1520中
智能体与工具调用Muse Spark类别得分 65 比 53;GDPval-AA v2.1 1006 比 1262高
数学Claude Sonnet 5类别得分 65 比 59;Arena Maths 1472 比 1469中
推理Muse Spark类别得分 67 比 65;Arena Hard Prompts 1506 比 1490中
长文档均可类别得分 63 比 64;AA-LCR v1.1 76.7% 比 78.0%均可
图像及其他媒体Muse Spark类别得分 64 比 61;Arena Vision 1306 比 1272中
对话质量(人类偏好)Muse SparkArena 投票 68 比 65中
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 Muse Spark 领先:64.2 比 59.0。
  • Claude Sonnet 5 (high) 在数学方面更强。
  • Muse Spark 在智能体与工具、编程、人类偏好、长上下文、多模态、推理方面更强。

概览

规格Claude Sonnet 5Muse Spark
提供商AnthropicMeta
发布日期2026年6月30日2026年4月8日
上下文窗口(token)1,000,000262,144
对比时的配置Claude Sonnet 5 (high)Muse Spark
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.200–

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 (high)Muse Spark领先者
推理65.467.4Muse Spark
编程59.965.1Muse Spark
智能体与工具52.965.0Muse Spark
数学65.359.1Claude Sonnet 5
知识–63.1无法比较
指令遵循–76.9无法比较
人类偏好64.668.1Muse Spark
多模态60.964.2Muse Spark
长上下文62.963.6持平

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推理编程智能体与工具数学长上下文多模态人类偏好Claude Sonnet 5, 推理: 65.4Claude Sonnet 5, 编程: 59.9Claude Sonnet 5, 智能体与工具: 52.9Claude Sonnet 5, 数学: 65.3Claude Sonnet 5, 长上下文: 62.9Claude Sonnet 5, 多模态: 60.9Claude Sonnet 5, 人类偏好: 64.6Muse Spark, 推理: 67.4Muse Spark, 编程: 65.1Muse Spark, 智能体与工具: 65.0Muse Spark, 数学: 59.1Muse Spark, 长上下文: 63.6Muse Spark, 多模态: 64.2Muse Spark, 人类偏好: 68.1

未绘制(测得的模型少于两个):知识, 指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 17 项基准测试中,Claude Sonnet 5 领先 10 项,Muse Spark 领先 7 项。所有同时评测两者的综合评分都认为 Muse Spark 更强。

综合 IndexClaude Sonnet 5 (high)Muse Spark领先者
BenchLeader Index59.064.2Muse Spark
Arena Text14611489Muse Spark

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 (high)Muse Spark
每百万 token 混合价格$4.00–
每百万 token 输入 / 输出$2.00 / $10.00– / –
每百万 token 缓存输入$0.200–
每项任务价格:聊天回复$0.0038–
每项任务价格:总结一份 30 页的报告$0.030–
每项任务价格:代码编辑$0.027–
每项任务价格:智能体编程会话$0.160–
每项任务价格:结构化信息提取$0.0060–
智能体编程会话(输入大多命中缓存)$0.079–
输出速度99 tok/s–
首次回答时间15.8 秒–
完整回答耗时(最近一次测量 2026年11月13日)40.7 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 5 (high) 得分 59.0,首个回答 token 需 16 秒;Claude Sonnet 5 (max) 为 56.1(158 秒),Claude Sonnet 5 (xhigh) 为 55.4(32 秒)。Muse Spark 得分 64.2。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 131 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 (high)Muse Spark
BenchLeader IndexBenchLeader59.064.2
智能体与工具得分BenchLeader52.965.0
编程得分BenchLeader59.965.1
人类偏好得分BenchLeader64.668.1
长上下文得分BenchLeader62.963.6
数学得分BenchLeader65.359.1
多模态得分BenchLeader60.964.2
推理得分BenchLeader65.467.4
指令遵循得分BenchLeader–76.9
知识得分BenchLeader–63.1
混合价格(美元/百万 token)BenchLeader$4.00–
输出速度BenchLeader99 tok/s–
首次回答时间BenchLeader15.8 秒–
上下文窗口BenchLeader1,000,000 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub80.3%†89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
SimpleBenchSimpleBench60.6%†–
Arena Hard PromptsArena (LMArena)14901506
LiveBench 1.0 ReasoningLiveBench88.7%†–
GPQA Diamond (AA)Artificial Analysis91.1%†88.4%
Humanity's Last Exam (AA)Artificial Analysis35.7%40.7%
GPQA Diamond (Vals)Vals AI88.9%†89.7%
CritPtArtificial Analysis15.1%11.3%
Arena ExpertArena (LMArena)15091491
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†–
LMCAEpoch AI Benchmarking Hub50.0%–
DTBenchEpoch AI Benchmarking Hub84.5%–
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†–
编程
SciCodeSciCode54.3%51.5%
WeirdMLWeirdML68.8%–
FrontierCodeCognition42.7%†–
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201529
Arena WebDevArena (LMArena)1539–
LiveBench 1.0 CodingLiveBench80.7%†–
SciCode (AA)Artificial Analysis54.3%–
LiveCodeBenchVals AI82.4%†–
显示全部 131 项基准测试
指标发布方Claude Sonnet 5 (high)Muse Spark
编程
IOIVals AI45.0%†–
SWE-bench (Vals)Vals AI79.6%†74.4%
SWE-Bench ProScale AI SEAL–55.0%
Code MigrationVals AI44.4%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench 1-100Vals AI13.8%†–
Vibe Code Bench v1.1Vals AI81.3%†19.7%
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–24.2%
SWE Atlas v1.0: Test WritingScale AI SEAL–31.1%
SWE-Bench Pro V2Scale AI SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†–
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%–
ALE-BenchEpoch AI Benchmarking Hub1463.1–
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%–
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†62.2%
Startrise FrontendStartrise66.6%†–
GameBench 2 OverallDuelLab GameBench 246.6†–
GameBench 2 by reasoning settingDuelLab GameBench 254.4†–
Design Arena WebsiteDesign Arena1268†1253
FrontierCode 2.0 (AA)Artificial Analysis17.8%†–
智能体与工具
Terminal-BenchTerminal-Bench12.1%†–
APEX-AgentsMercor54.5%†–
Arena AgentArena (LMArena)2–
LiveBench Agentic CodingLiveBench59.4%†–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
Terminal-Bench 2.1 (Vals)Vals AI74.5%†–
MCP AtlasScale AI SEAL–82.2%
GDPval-AA v2.1Artificial Analysis12621006
τ³-Banking (AA)Artificial Analysis37.3%†–
Analyst Agent (AA)Artificial Analysis46.3%†–
CyberBenchVals AI61.9%†–
Finance Agent v2Vals AI53.9%†–
Harvey's Legal Agent Benchmark v1Vals AI5.0%†–
Legal Research BenchVals AI41.8%†–
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†–
Tax Agent BenchVals AI29.4%†–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI10.6%†–
Terminal-Bench ScienceVals AI5.7%†–
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.6–
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†–
AutomationBenchArtificial Analysis32.1%–
GDP.pdf (AA)Artificial Analysis9.4%–
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis1177646
Design Arena AgenticDesign Arena1222†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†88.9%
ProofBenchVals AI77.0%†17.0%
LiveBench MathematicsLiveBench92.9%†–
AIME (Vals)Vals AI–96.9%
Arena MathsArena (LMArena)14721469
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†–
LiveBench 1.0 Data AnalysisLiveBench71.7%†–
MMLU-ProVals AI87.5%†87.3%
LegalBenchVals AI83.9%†84.2%
CorpFinVals AI67.0%†65.1%
TaxEvalVals AI75.6%†77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL–52.3%
MultiNRCScale AI SEAL–59.0%
CaseLaw v2Vals AI–63.1%
Excel Modeling BenchmarkVals AI66.3%†–
MedCodeVals AI47.5%†51.3%
MedScribeVals AI76.0%†85.9%
Public Benefits Bench v1.1Vals AI66.0%†–
DrugDiscoveryBenchScale AI SEAL50.0%†–
FACTS ParametricGoogle20.5%†–
指令遵循
LiveBench LanguageLiveBench75.0%†–
LiveBench Instruction FollowingLiveBench63.9%†–
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL–75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)14671465
人类偏好
Arena TextArena (LMArena)14611489
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†–
Arena Creative WritingArena (LMArena)14341464
Arena Multi-turnArena (LMArena)14731493
Arena Longer QueriesArena (LMArena)14811476
多模态
Arena VisionArena (LMArena)12721306
MMMU-ProArtificial Analysis77.3%†80.5%
MMMU-Pro (Vals)Vals AI83.0%†87.4%
MortgageTaxVals AI70.0%†–
Humanity's Sixth SenseScale AI SEAL24.8%†–
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†–
长上下文
AA-LCR v1.1Artificial Analysis76.7%78.0%
Arena DocumentArena (LMArena)14691467
MLCRArtificial Analysis4.4%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†153.1
LiveBench 1.0LiveBench76.0%†–
AA Intelligence Index v4.3.2Artificial Analysis31.731.3
AA Progress Index v1Artificial Analysis296.8289.1
Vals Multimodal IndexVals AI68.8%†–
安全与诚实
FORTRESSScale AI SEAL–20.2%
DistressBenchScale AI SEAL68.0%†–

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 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark:2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Claude Sonnet 5 (high):1 项新结果(GeoBench)。
  • Claude Sonnet 5 (high):1 项分数修订。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:1 项分数修订。
  • Claude Sonnet 5 (high):1 项分数修订。
  • Claude Sonnet 5 (high):1 项新结果(AA Progress Index v1)。
  • Muse Spark:1 项新结果(AA Progress Index v1)。

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 5 vs Muse Spark:常见问题

Muse Spark 比 Claude Sonnet 5 更好吗?
质量上 Muse Spark 领先:64.2 比 59.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Muse Spark 总体领先,但请结合你的用途查看各类别得分。
编程用 Claude Sonnet 5 还是 Muse Spark 更好?
Muse Spark 在编程方面得分更高(类别得分 65 比 60,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Claude Sonnet 5 为 54.3%,Muse Spark 为 51.5%。
智能体和工具调用用 Claude Sonnet 5 还是 Muse Spark 更好?
Muse Spark 在智能体任务方面得分更高(类别得分 65 比 53,50 为平均水平)。
处理长文档哪个更好?
两者在长上下文基准测试上持平(63 比 64)。Claude Sonnet 5 支持更长的上下文:1,000,000 token,Muse Spark 为 262,144 token。
第三方基准测试对 Claude Sonnet 5 和 Muse Spark 的看法一致吗?
在两者都有结果的 17 项基准测试中,Claude Sonnet 5 领先 10 项,Muse Spark 领先 7 项。所有同时评测两者的综合评分都认为 Muse Spark 更强。
更多问题(1)
Claude Sonnet 5 是什么时候发布的?
Claude Sonnet 5 于 2026年6月30日 发布。