BenchLeader

Gemini 3 Flash vs Muse Spark 1.3

完整资料:Gemini 3 Flash(Google)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 8 个来源

截至 2026年11月16日,Gemini 3 Flash 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 58.9 比 61.6,在 ±11.2 的误差范围内)。Gemini 3 Flash 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $1.13 比 $2.00)。在两者都有成绩的所有类别中,Muse Spark 1.3 均领先。Gemini 3 Flash 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Gemini 3 Flash 的 BenchLeader Index 为 58.9,Muse Spark 1.3 为 61.6(BenchLeader,2026年11月16日)。
  • Gemini 3 Flash 每百万 token 混合价格为 $1.13(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)。
  • Gemini 3 Flash 比 Muse Spark 1.3 输出更快(约 2 倍;Artificial Analysis,7 日中位数,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 55中
成本最低Gemini 3 Flash每百万 token 混合价格 $1.13 比 $2.00;智能体编程会话 $0.042 比 $0.092–
首次回答最快Muse Spark 1.3首个回答 token 2.6 秒(Muse Spark 1.3)比 4.7 秒(Gemini 3 Flash (thinking))–
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

  • Gemini 3 Flash (thinking) 与 Muse Spark 1.3 的质量不相上下(58.9 比 61.6,在 ±11.2 的误差范围内)。
  • Muse Spark 1.3 在智能体与工具方面更强。
  • Gemini 3 Flash (thinking) 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $1.13 比 $2.00)。

概览

规格Gemini 3 FlashMuse Spark 1.3
提供商GoogleMeta
发布日期2025年12月17日2026年9月2日
上下文窗口(token)1,048,5761,048,576
对比时的配置Gemini 3 Flash (thinking)Muse Spark 1.3
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.500 / $3.00 / $0.050$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Gemini 3 Flash (thinking)Muse Spark 1.3领先者
推理–71.0无法比较
智能体与工具55.161.3Muse Spark 1.3
数学–56.3无法比较
知识–81.2无法比较
指令遵循75.9–无法比较
多模态62.3–无法比较
长上下文63.6–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知识指令遵循长上下文多模态Gemini 3 Flash, 智能体与工具: 55.1Gemini 3 Flash, 指令遵循: 75.9Gemini 3 Flash, 长上下文: 63.6Gemini 3 Flash, 多模态: 62.3Muse Spark 1.3, 推理: 71.0Muse Spark 1.3, 智能体与工具: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知识: 81.2

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):编程, 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 0 项基准测试中,Gemini 3 Flash 领先 0 项,Muse Spark 1.3 领先 0 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 IndexGemini 3 Flash (thinking)Muse Spark 1.3领先者
BenchLeader Index58.961.6不相上下
Arena Text1458†1497Muse 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Gemini 3 Flash (thinking)Muse Spark 1.3
每百万 token 混合价格$1.13$2.00
每百万 token 输入 / 输出$0.500 / $3.00$1.25 / $4.25
每百万 token 缓存输入$0.050$0.150
每项任务价格:聊天回复$0.0011$0.0018
每项任务价格:总结一份 30 页的报告$0.0078$0.018
每项任务价格:代码编辑$0.0075$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$0.0016$0.0034
智能体编程会话(输入大多命中缓存)$0.022$0.043
输出速度196 tok/s163 tok/s
首次回答时间4.7 秒2.6 秒
完整回答耗时(最近一次测量 2026年11月13日)13.6 秒–

每个模型都按其排名最高的推理强度设置进行对比。Gemini 3 Flash (thinking) 得分 58.9,首个回答 token 需 5 秒;Gemini 3 Flash (high) 为 57.4(1 秒),Gemini 3 Flash 为 56.5(1 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 177 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Gemini 3 Flash (thinking)Muse Spark 1.3
BenchLeader IndexBenchLeader58.961.6
智能体与工具得分BenchLeader55.161.3
指令遵循得分BenchLeader75.9–
长上下文得分BenchLeader63.6–
多模态得分BenchLeader62.3–
知识得分BenchLeader–81.2
数学得分BenchLeader–56.3
推理得分BenchLeader–71.0
混合价格(美元/百万 token)BenchLeader$1.13$2.00
输出速度BenchLeader196 tok/s163 tok/s
首次回答时间BenchLeader4.7 秒2.6 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub83.2%†–
SimpleBenchSimpleBench61.1%†81.8%
Arena Hard PromptsArena (LMArena)1493†1517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench–89.7%†
GPQA Diamond (AA)Artificial Analysis89.8%93.5%†
Humanity's Last Exam (AA)Artificial Analysis36.6%48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI87.9%†–
ARC-AGI-1ARC Prize84.7%†–
ARC-AGI-2ARC Prize33.6%†–
CritPtArtificial Analysis8.6%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
SciPredictScale AI SEAL22.2%†–
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)1498†1521†
Chess PuzzlesEpoch AI Benchmarking Hub40.0%†37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub20.0%†25.0%†
LMCAEpoch AI Benchmarking Hub43.1%†53.9%
DTBenchEpoch AI Benchmarking Hub89.1%†96.5%
ForecastBenchForecastBench64.4%†65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub75.4%†–
SciCodeSciCode–58.8%†
显示全部 177 项基准测试
指标发布方Gemini 3 Flash (thinking)Muse Spark 1.3
编程
WeirdMLWeirdML61.6%†–
GSO-BenchGSO-Bench9.8%†–
Arena CodingArena (LMArena)1505†1534†
Arena WebDevArena (LMArena)1440†1655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench–81.1%†
LiveCodeBenchVals AI85.6%†–
IOIVals AI–56.6%†
SWE-bench (Vals)Vals AI75.0%†–
SWE-Bench ProScale AI SEAL34.6%†–
SWE-bench Verified (bash only)SWE-bench75.8%†–
SWE-bench Multilingual (bash only)SWE-bench72.7%†–
SWE-bench Verified (any scaffold)SWE-bench75.8%†–
Code MigrationVals AI6.4%†47.4%†
ProgramBenchVals AI0.0%†2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI20.2%†85.9%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL8.2%†–
SWE Atlas v1.0: RefactoringScale AI SEAL10.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL30.3%†–
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub1367.2†1688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis–33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 2–57.7
GameBench 2 by reasoning settingDuelLab GameBench 2–68.5†
Design Arena WebsiteDesign Arena1188†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
LiveCodeBench (AA)Artificial Analysis90.8%–
智能体与工具
Terminal-BenchTerminal-Bench64.3%†14.8%†
APEX-AgentsMercor–58.6%
Arena AgentArena (LMArena)–2.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench–64.1%†
Terminal-Bench HardArtificial Analysis38.6%–
τ²-Bench Telecom (AA)Artificial Analysis80.4%–
Terminal-Bench 2.1 (Vals)Vals AI53.9%†79.0%†
MCP AtlasScale AI SEAL62.0%†–
HiL-BenchScale AI SEAL–66.9%
τ²-benchτ²-bench83.5%†–
τ³-bench Bankingτ²-bench27.3%†–
GDPval-AA v2.1Artificial Analysis–1681†
τ³-Banking (AA)Artificial Analysis20.8%50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
APEX-Agents (AA)Artificial Analysis27.7%–
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI42.5%†60.0%†
Harvey's Legal Agent Benchmark v1Vals AI0.0%†23.8%†
Legal Research BenchVals AI18.3%†55.3%†
Poker AgentVals AI1100.2%†–
SREBenchVals AI–3.8%†
Tax Agent BenchVals AI11.8%†42.4%†
Terminal-Bench 2.0 (Vals)Vals AI51.7%†–
Terminal-Bench 4.0 (Vals)Vals AI–24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena SearchArena (LMArena)1189†–
Arena Agent Task CompletionArena (LMArena)–3.7†
BALROGBALROG48.1%†–
DeepResearch BenchDeepResearch Bench47.9%†–
Vending-Bench 2Andon Labs3634.7†–
AutomationBenchArtificial Analysis–57.9%†
GDP.pdf (AA)Artificial Analysis–26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis–1581†
Design Arena AgenticDesign Arena1081†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%†
BrowseCompOpenAI16.9%†–
FACTS SearchGoogle84.5%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub51.2%†74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub92.8%†99.2%†
ProofBenchVals AI15.0%†55.0%
LiveBench MathematicsLiveBench–96.0%†
AIME (Vals)Vals AI95.6%†–
MGSMVals AI93.3%†–
AIME 2026MathArena96.7%†–
HMMT February 2026MathArena89.4%†–
MathArena ApexMathArena15.6%†–
Arena MathsArena (LMArena)1474†1506†
AIME 2025 (AA)Artificial Analysis97.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub66.8%†–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench–79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI88.6%†–
LegalBenchVals AI86.9%†–
CorpFinVals AI66.4%†–
TaxEvalVals AI73.9%†–
MedQAVals AI95.8%†–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
CaseLaw v2Vals AI55.8%†–
Excel Modeling BenchmarkVals AI26.0%†67.4%†
MedCodeVals AI55.9%†–
MedScribeVals AI69.9%†–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub10.0%†27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
Global-MMLU-Lite (AA)Artificial Analysis91.4%–
FACTS ParametricGoogle72.4%†–
指令遵循
LiveBench LanguageLiveBench–82.8%†
LiveBench Instruction FollowingLiveBench–78.0%†
IFBenchArtificial Analysis78.0%–
Arena Instruction FollowingArena (LMArena)1457†1485†
人类偏好
Arena TextArena (LMArena)1473†1497†
EQ-Bench Creative Writing v3EQ-Bench–1907
Arena Creative WritingArena (LMArena)1456†1468†
Arena Multi-turnArena (LMArena)1482†1493†
Arena Longer QueriesArena (LMArena)1476†1498†
多模态
Arena VisionArena (LMArena)1285†1310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis79.9%82.0%†
MMMU-Pro (Vals)Vals AI87.6%†–
MortgageTaxVals AI68.7%†–
Humanity's Sixth SenseScale AI SEAL–37.4%†
GeoBenchGeoBench88.0%†86.0%
VPCTEpoch AI Benchmarking Hub72.6%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub0.0%†–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
FACTS MultimodalGoogle49.7%†–
长上下文
AA-LCR v1.1Artificial Analysis78.0%83.0%†
Arena DocumentArena (LMArena)1440†1474†
MLCRArtificial Analysis–13.9%†
FACTS GroundingGoogle48.6%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub152.3†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench–81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis26.348.1†
AA Progress Index v1Artificial Analysis290.1324.5†
Vals RSI IndexVals AI–19.6%†
Vals Multimodal IndexVals AI52.2%†–
AA Cyber IndexArtificial Analysis–44.3†
安全与诚实
DistressBenchScale AI SEAL–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。
  • Gemini 3 Flash (thinking):2 项新结果(Global-MMLU-Lite (AA), AIME 2025 (AA))。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • 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。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:1 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

Gemini 3 Flash vs Muse Spark 1.3:常见问题

Gemini 3 Flash 比 Muse Spark 1.3 更好吗?
Gemini 3 Flash (thinking) 与 Muse Spark 1.3 的质量不相上下(58.9 比 61.6,在 ±11.2 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。
Gemini 3 Flash 和 Muse Spark 1.3 哪个更便宜?价格会变吗?
目前 Gemini 3 Flash 更便宜:每百万 token $1.13 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。
Gemini 3 Flash 和 Muse Spark 1.3 哪个更快?
Gemini 3 Flash 输出更快(约 2 倍;输出 196 比 163 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Gemini 3 Flash 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 55,50 为平均水平)。
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
更多问题(2)
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 4.7 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
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。