BenchLeader

DeepSeek V3.2 Speciale vs Muse Spark Open

完整资料:DeepSeek V3.2 Speciale(DeepSeek)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 11 个来源

截至 2026年11月16日,DeepSeek V3.2 Speciale 与 Muse Spark Open 的质量不相上下(BenchLeader Index 53.3 比 53.5,在 ±9.0 的误差范围内)。DeepSeek V3.2 Speciale 更便宜,对方的价格是它的 2.3 倍(每百万 token 混合价格 $0.855 比 $2.00)。看重编程(48 比 36)选 DeepSeek V3.2 Speciale;看重长上下文(64 比 59)和推理(51 比 50)选 Muse Spark Open。

要点(截至 2026年11月16日)

  • DeepSeek V3.2 Speciale 的 BenchLeader Index 为 53.3,Muse Spark Open 为 53.5(BenchLeader,2026年11月16日)。
  • DeepSeek V3.2 Speciale 每百万 token 混合价格为 $0.855(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 5 项基准测试中,Muse Spark Open 领先 5 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DeepSeek V3.2 Speciale类别得分 48 比 36高
推理Muse Spark Open类别得分 51 比 50;GPQA Diamond (AA) 89.0% 比 87.1%中
长文档Muse Spark Open类别得分 64 比 59;AA-LCR v1.1 78.3% 比 70.0%中
成本最低DeepSeek V3.2 Speciale每百万 token 混合价格 $0.855 比 $2.00;智能体编程会话 $0.042 比 $0.092–
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

  • DeepSeek V3.2 Speciale 与 Muse Spark Open (xhigh) 的质量不相上下(53.3 比 53.5,在 ±9.0 的误差范围内)。
  • DeepSeek V3.2 Speciale 在编程方面更强。
  • Muse Spark Open (xhigh) 在长上下文、推理方面更强。
  • DeepSeek V3.2 Speciale 更便宜,对方的价格是它的 2.3 倍(每百万 token 混合价格 $0.855 比 $2.00)。

概览

规格DeepSeek V3.2 SpecialeMuse Spark Open
提供商DeepSeekMeta
发布日期2025年12月1日2026年10月15日
上下文窗口(token)128,0001,048,576
对比时的配置DeepSeek V3.2 SpecialeMuse Spark Open (xhigh)
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.580 / $1.68 / –$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DeepSeek V3.2 SpecialeMuse Spark Open (xhigh)领先者
推理50.151.3Muse Spark Open
编程47.836.0DeepSeek V3.2 Speciale
智能体与工具64.1–无法比较
数学44.7–无法比较
知识–58.8无法比较
指令遵循63.6–无法比较
多模态–63.3无法比较
长上下文59.463.8Muse Spark Open

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推理编程长上下文DeepSeek V3.2 Speciale, 推理: 50.1DeepSeek V3.2 Speciale, 编程: 47.8DeepSeek V3.2 Speciale, 长上下文: 59.4Muse Spark Open, 推理: 51.3Muse Spark Open, 编程: 36.0Muse 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, 知识, 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 5 项基准测试中,DeepSeek V3.2 Speciale 领先 0 项,Muse Spark Open 领先 5 项。

综合 IndexDeepSeek V3.2 SpecialeMuse Spark Open (xhigh)领先者
BenchLeader Index53.353.5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DeepSeek V3.2 SpecialeMuse Spark Open (xhigh)
每百万 token 混合价格$0.855$2.00
每百万 token 输入 / 输出$0.580 / $1.68$1.25 / $4.25
每百万 token 缓存输入–$0.150
每项任务价格:聊天回复$0.0007$0.0018
每项任务价格:总结一份 30 页的报告$0.0080$0.018
每项任务价格:代码编辑$0.0060$0.014
每项任务价格:智能体编程会话$0.042$0.092
每项任务价格:结构化信息提取$0.0015$0.0034
智能体编程会话(输入大多命中缓存)–$0.043
每项基准测试任务成本(AA Index)–$2.02
每项任务输出 token(AA Index)–66k
其中推理部分–32k
每项任务耗时(AA Index)–6 min
输出速度–180 tok/s
首次回答时间–9.9 秒
完整回答耗时(最近一次测量 2026年11月13日)–39.9 秒

每个模型都按其排名最高的推理强度设置进行对比。DeepSeek V3.2 Speciale 得分 53.3。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 84 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DeepSeek V3.2 SpecialeMuse Spark Open (xhigh)
BenchLeader IndexBenchLeader53.353.5
智能体与工具得分BenchLeader64.1–
编程得分BenchLeader47.836.0
指令遵循得分BenchLeader63.6–
长上下文得分BenchLeader59.463.8
数学得分BenchLeader44.7–
推理得分BenchLeader50.151.3
知识得分BenchLeader–58.8
多模态得分BenchLeader–63.3
混合价格(美元/百万 token)BenchLeader$0.855$2.00
输出速度BenchLeader–180 tok/s
首次回答时间BenchLeader–9.9 秒
上下文窗口BenchLeader128,000 token1,048,576 token
推理
SimpleBenchSimpleBench52.6%–
LiveBench 2.0 ReasoningLiveBench–73.7%†
GPQA Diamond (AA)Artificial Analysis87.1%89.0%
Humanity's Last Exam (AA)Artificial Analysis28.7%43.9%
HLE-Diamond (AA)Artificial Analysis–26.3%
ARC-AGI-1ARC Prize–89.0%
ARC-AGI-2ARC Prize–57.5%
ARC-AGI-3ARC Prize–0.4%
CritPtArtificial Analysis7.4%14.9%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
HLE-Diamond (Scale)Scale AI SEAL–28.0%†
编程
WeirdMLWeirdML46.7%–
Arena WebDevArena (LMArena)–1526†
LiveBench 2.0 CodingLiveBench–55.1%†
SciCode (AA)Artificial Analysis–58.5%
Code MigrationVals AI–21.2%
Code Migration v1.1Vals AI–26.9%
Vibe Code Bench v1.1Vals AI–76.2%
SWE Atlas v1.1Scale AI SEAL–42.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–50.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–41.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL–35.7%†
SWE-Bench Pro V2Scale AI SEAL–95.0%
SWE-Bench Pro V2 HARDScale AI SEAL–82.3%
Terminal-Bench 4.0 (AA)Artificial Analysis–8.1%
显示全部 84 项基准测试
指标发布方DeepSeek V3.2 SpecialeMuse Spark Open (xhigh)
编程
Terminal-Bench 2.1 (AA)Artificial Analysis–76.4%
GameBench 2 OverallDuelLab GameBench 2–55.3†
GameBench 2 by reasoning settingDuelLab GameBench 2–59.3
Design Arena WebsiteDesign Arena–1305
FrontierCode 1.1 (AA)Artificial Analysis–27.6%
FrontierCode 2.0 (AA)Artificial Analysis–7.6%
LiveCodeBench (AA)Artificial Analysis89.6%–
智能体与工具
LiveBench Long AgenticLiveBench–12.1%†
LiveBench BrowserLiveBench–26.2%†
Terminal-Bench HardArtificial Analysis34.9%–
τ²-Bench Telecom (AA)Artificial Analysis0.0%–
HiL-BenchScale AI SEAL–59.7%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–45.1%
GDPval-AA v2.1Artificial Analysis–1401
Finance Agent v2Vals AI–61.3%
Finance Agent v2.1Vals AI–60.7%
Harvey's Legal Agent Benchmark v1.1Vals AI–25.0%
Harvey's Legal Agent Benchmark v1Vals AI–16.7%
Legal Research BenchVals AI–38.5%
Tax Agent BenchVals AI–26.3%
Terminal-Bench 4.0 (Vals)Vals AI–6.6%
AutomationBenchArtificial Analysis–49.7%
GDP.pdf (AA)Artificial Analysis–18.6%
AA-Briefcase v1.1Artificial Analysis–1280
GDPxGDPx by SemiAnalysis–1.7%†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–1.9%
数学
MathArena ApexMathArena9.4%–
ArXivMathMathArena–27.0%
BrokenArXivMathArena–30.1%
AIME 2025 (AA)Artificial Analysis96.7%–
知识
LiveBench 2.0 Data AnalysisLiveBench–60.2%†
LiveBench ResearchLiveBench–82.7%†
AA-Omniscience v1.1Artificial Analysis–25.8
PRBench LegalScale AI SEAL–59.8%†
Excel Modeling BenchmarkVals AI–53.7%
Excel Modeling Benchmark v1.1Vals AI–62.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–42.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.0%
Global-MMLU-Lite (AA)Artificial Analysis88.4%–
指令遵循
IFBenchArtificial Analysis63.9%–
MultiChallengeScale AI SEAL–74.2%†
人类偏好
EQ-Bench Creative Writing v3EQ-Bench1277–
多模态
LiveBench DesignLiveBench–58.1%†
MMMU-ProArtificial Analysis–80.9%
SAGEVals AI–85.8%
Humanity's Sixth SenseScale AI SEAL–29.6%†
长上下文
AA-LCR v1.1Artificial Analysis70.0%78.3%
MLCRArtificial Analysis–7.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–155.4†
LiveBench 2.0LiveBench–48.5%†
AA Intelligence Index v5.0.1Artificial Analysis–24.9
AA Intelligence Index v4.3.2Artificial Analysis14.538.9
AA Progress Index v1Artificial Analysis264.5306.7
Vals IndexVals AI–48.6
Vals Finance IndexVals AI–53.0%
Vals Legal IndexVals AI–68.5%
安全与诚实
FORTRESSScale AI SEAL–7.6%†
DistressBenchScale AI SEAL–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

  • DeepSeek V3.2 Speciale:1 项新结果(AIME 2025 (AA))。
  • Muse Spark Open (xhigh):1 项分数修订。
  • DeepSeek V3.2 Speciale:BenchLeader Index 54.0 → 53.3。
  • Muse Spark Open (xhigh):1 项新结果(GameBench 2 by reasoning setting);1 项分数修订。
  • Muse Spark Open (xhigh):BenchLeader Index 53.3 → 53.8。
  • Muse Spark Open (xhigh):1 项新结果(ARC-AGI-3)。
  • Muse Spark Open (xhigh):BenchLeader Index 59.5 → 53.3。
  • DeepSeek V3.2 Speciale:1 项新结果(AA Progress Index v1)。
  • Muse Spark Open (xhigh):6 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $0.84/M → $2.02/M。
  • DeepSeek V3.2 Speciale:1 项新结果(Global-MMLU-Lite (AA))。

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

DeepSeek V3.2 Speciale vs Muse Spark Open:常见问题

DeepSeek V3.2 Speciale 比 Muse Spark Open 更好吗?
DeepSeek V3.2 Speciale 与 Muse Spark Open (xhigh) 的质量不相上下(53.3 比 53.5,在 ±9.0 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。
DeepSeek V3.2 Speciale 和 Muse Spark Open 哪个更便宜?价格会变吗?
目前 DeepSeek V3.2 Speciale 更便宜:每百万 token $0.855 比 $2.00(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 DeepSeek V3.2 Speciale 还是 Muse Spark Open 更好?
DeepSeek V3.2 Speciale 在编程方面得分更高(类别得分 48 比 36,50 为平均水平)。
处理长文档哪个更好?
Muse Spark Open 在长上下文基准测试上得分更高(64 比 59)。Muse Spark Open 支持更长的上下文:1,048,576 token,DeepSeek V3.2 Speciale 为 128,000 token。
第三方基准测试对 DeepSeek V3.2 Speciale 和 Muse Spark Open 的看法一致吗?
在两者都有结果的 5 项基准测试中,DeepSeek V3.2 Speciale 领先 0 项,Muse Spark Open 领先 5 项。
更多问题(1)
Muse Spark Open 是什么时候发布的?
Muse Spark Open 于 2026年10月15日 发布。