BenchLeader

Claude Sonnet 5 vs Muse Spark 1.3

完整资料:Claude Sonnet 5(Anthropic)和 Muse Spark 1.3(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,Claude Sonnet 5 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 59.0 比 61.6,在 ±8.6 的误差范围内)。Muse Spark 1.3 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)。看重数学(65 比 56)选 Claude Sonnet 5;看重智能体与工具(61 比 53)和推理(71 比 65)选 Muse Spark 1.3。Muse Spark 1.3 的首次回答更快(2.6 秒 比 15.8 秒)。

要点(截至 2026年11月16日)

  • Claude Sonnet 5 的 BenchLeader Index 为 59.0,Muse Spark 1.3 为 61.6(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)。
  • Muse Spark 1.3 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 3 项基准测试中,Muse Spark 1.3 领先 3 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
智能体与工具调用Muse Spark 1.3类别得分 61 比 53高
数学Claude Sonnet 5类别得分 65 比 56高
推理Muse Spark 1.3类别得分 71 比 65;LMCA 53.9% 比 50.0%中
对话质量(人类偏好)–只有 Claude Sonnet 5 有 Arena 评分(类别得分 65)无法比较
成本最低Muse Spark 1.3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 1.3首个回答 token 2.6 秒(Muse Spark 1.3)比 15.8 秒(Claude Sonnet 5 (high))–
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 5 (high) 与 Muse Spark 1.3 的质量不相上下(59.0 比 61.6,在 ±8.6 的误差范围内)。
  • Claude Sonnet 5 (high) 在数学方面更强。
  • Muse Spark 1.3 在智能体与工具、推理方面更强。
  • Muse Spark 1.3 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)。
  • Muse Spark 1.3 的输出速度是对方的 1.6 倍(163 比 99 token/秒)。

概览

规格Claude Sonnet 5Muse Spark 1.3
提供商AnthropicMeta
发布日期2026年6月30日2026年9月2日
上下文窗口(token)1,000,0001,048,576
对比时的配置Claude Sonnet 5 (high)Muse Spark 1.3
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$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 (high)Muse Spark 1.3领先者
推理65.471.0Muse Spark 1.3
编程59.9–无法比较
智能体与工具52.961.3Muse Spark 1.3
数学65.356.3Claude Sonnet 5
知识–81.2无法比较
人类偏好64.6–无法比较
多模态60.9–无法比较
长上下文62.9–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推理智能体与工具数学Claude Sonnet 5, 推理: 65.4Claude Sonnet 5, 智能体与工具: 52.9Claude Sonnet 5, 数学: 65.3Muse Spark 1.3, 推理: 71.0Muse Spark 1.3, 智能体与工具: 61.3Muse Spark 1.3, 数学: 56.3

未绘制(测得的模型少于两个):编程, 知识, 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 3 项基准测试中,Claude Sonnet 5 领先 0 项,Muse Spark 1.3 领先 3 项。所有同时评测两者的综合评分都认为 Muse Spark 1.3 更强。

综合 IndexClaude Sonnet 5 (high)Muse Spark 1.3领先者
BenchLeader Index59.061.6不相上下
Arena Text14611497†Muse Spark 1.3

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 1.3
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$0.200$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)$0.079$0.043
输出速度99 tok/s163 tok/s
首次回答时间15.8 秒2.6 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 1.3 得分 61.6,首个回答 token 需 3 秒;Muse Spark 1.3 (max) 为 60.6(31 秒),Muse Spark 1.3 (xhigh) 为 58.1(11 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 150 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 1.3
BenchLeader IndexBenchLeader59.061.6
智能体与工具得分BenchLeader52.961.3
编程得分BenchLeader59.9–
人类偏好得分BenchLeader64.6–
长上下文得分BenchLeader62.9–
数学得分BenchLeader65.356.3
多模态得分BenchLeader60.9–
推理得分BenchLeader65.471.0
知识得分BenchLeader–81.2
混合价格(美元/百万 token)BenchLeader$4.00$2.00
输出速度BenchLeader99 tok/s163 tok/s
首次回答时间BenchLeader15.8 秒2.6 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub80.3%†–
SimpleBenchSimpleBench60.6%†81.8%
Arena Hard PromptsArena (LMArena)14901517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench88.7%†89.7%†
GPQA Diamond (AA)Artificial Analysis91.1%†93.5%†
Humanity's Last Exam (AA)Artificial Analysis35.7%48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI88.9%†–
CritPtArtificial Analysis15.1%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)15091521†
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†25.0%†
LMCAEpoch AI Benchmarking Hub50.0%53.9%
DTBenchEpoch AI Benchmarking Hub84.5%96.5%
ForecastBenchForecastBench63.1%†65.5%†
BTF-3Epoch AI Benchmarking Hub14.2%†14.1%†
编程
SciCodeSciCode54.3%58.8%†
WeirdMLWeirdML68.8%–
FrontierCodeCognition42.7%†–
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)15201534†
显示全部 150 项基准测试
指标发布方Claude Sonnet 5 (high)Muse Spark 1.3
编程
Arena WebDevArena (LMArena)15391655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench80.7%†81.1%†
LiveCodeBenchVals AI82.4%†–
IOIVals AI45.0%†56.6%†
SWE-bench (Vals)Vals AI79.6%†–
Code MigrationVals AI44.4%†47.4%†
ProgramBenchVals AI0.0%†2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI13.8%†20.5%†
Vibe Code Bench v1.1Vals AI81.3%†85.9%†
SWE-Bench Pro V2Scale AI SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%41.6%†
ALE-BenchEpoch AI Benchmarking Hub1463.11688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†84.3%†
Startrise FrontendStartrise66.6%†74.7%
GameBench 2 OverallDuelLab GameBench 246.6†57.7
GameBench 2 by reasoning settingDuelLab GameBench 254.4†68.5†
Design Arena WebsiteDesign Arena1268†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis17.8%†23.1%†
智能体与工具
Terminal-BenchTerminal-Bench12.1%†14.8%†
APEX-AgentsMercor54.5%†58.6%
Arena AgentArena (LMArena)22.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench59.4%†64.1%†
Terminal-Bench 2.1 (Vals)Vals AI74.5%†79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis12621681†
τ³-Banking (AA)Artificial Analysis37.3%†50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis46.3%†37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI61.9%†72.7%†
Finance Agent v2Vals AI53.9%†60.0%†
Harvey's Legal Agent Benchmark v1Vals AI5.0%†23.8%†
Legal Research BenchVals AI41.8%†55.3%†
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†3.8%†
Tax Agent BenchVals AI29.4%†42.4%†
Terminal-Bench 4.0 (Vals)Vals AI10.6%†24.8%†
Terminal-Bench ScienceVals AI5.7%†10.0%†
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.63.7†
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†–
AutomationBenchArtificial Analysis32.1%57.9%†
GDP.pdf (AA)Artificial Analysis9.4%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis11771581†
Design Arena AgenticDesign Arena1222†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†99.2%†
ProofBenchVals AI77.0%†55.0%
LiveBench MathematicsLiveBench92.9%†96.0%†
Arena MathsArena (LMArena)14721506†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench71.7%†79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI87.5%†–
LegalBenchVals AI83.9%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
Excel Modeling BenchmarkVals AI66.3%†67.4%†
MedCodeVals AI47.5%†–
MedScribeVals AI76.0%†–
Public Benefits Bench v1.1Vals AI66.0%†–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL50.0%†62.2%†
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
FACTS ParametricGoogle20.5%†–
指令遵循
LiveBench LanguageLiveBench75.0%†82.8%†
LiveBench Instruction FollowingLiveBench63.9%†78.0%†
Arena Instruction FollowingArena (LMArena)14671485†
人类偏好
Arena TextArena (LMArena)14611497†
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†1907
Arena Creative WritingArena (LMArena)14341468†
Arena Multi-turnArena (LMArena)14731493†
Arena Longer QueriesArena (LMArena)14811498†
多模态
Arena VisionArena (LMArena)12721310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis77.3%†82.0%†
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
Humanity's Sixth SenseScale AI SEAL24.8%†37.4%†
GeoBenchGeoBench74.0%86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
长上下文
AA-LCR v1.1Artificial Analysis76.7%83.0%†
Arena DocumentArena (LMArena)14691474†
MLCRArtificial Analysis4.4%13.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench76.0%†81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis31.748.1†
AA Progress Index v1Artificial Analysis296.8324.5†
Vals RSI IndexVals AI–19.6%†
Vals Multimodal IndexVals AI68.8%†–
AA Cyber IndexArtificial Analysis–44.3†
安全与诚实
DistressBenchScale AI SEAL68.0%†84.9%

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

  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Claude Sonnet 5 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Claude Sonnet 5 (high):1 项新结果(GeoBench)。
  • Muse Spark 1.3:2 项新结果(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Spark 1.3:4 项分数修订。
  • Claude Sonnet 5 (high):1 项分数修订。

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 1.3:常见问题

Claude Sonnet 5 比 Muse Spark 1.3 更好吗?
Claude Sonnet 5 (high) 与 Muse Spark 1.3 的质量不相上下(59.0 比 61.6,在 ±8.6 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 5 和 Muse Spark 1.3 哪个更便宜?价格会变吗?
目前 Muse Spark 1.3 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。
Claude Sonnet 5 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.3 输出更快(输出 163 比 99 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Sonnet 5 还是 Muse Spark 1.3 更好?
Muse Spark 1.3 在智能体任务方面得分更高(类别得分 61 比 53,50 为平均水平)。
处理长文档哪个更好?
两者都约为 1M token(Claude Sonnet 5 为 1,000,000,Muse Spark 1.3 为 1,048,576)。
更多问题(3)
哪个延迟更低?
Muse Spark 1.3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 2.6 秒比 15.8 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 和 Muse Spark 1.3 的看法一致吗?
在两者都有结果的 3 项基准测试中,Claude Sonnet 5 领先 0 项,Muse Spark 1.3 领先 3 项。所有同时评测两者的综合评分都认为 Muse Spark 1.3 更强。
Muse Spark 1.3 是什么时候发布的?
Muse Spark 1.3 于 2026年9月2日 发布。