BenchLeader

GLM 5.3 Flash vs Muse Spark 1.3

完整资料:GLM 5.3 Flash(Zhipu AI)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 13 个来源

截至 2026年11月16日,GLM 5.3 Flash 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 57.8 比 61.6,在 ±9.5 的误差范围内)。GLM 5.3 Flash 更便宜,对方的价格是它的 8.4 倍(每百万 token 混合价格 $0.238 比 $2.00)。看重数学(69 比 56)选 GLM 5.3 Flash;看重知识(81 比 45)、推理(71 比 48)和智能体与工具(61 比 59)选 Muse Spark 1.3。Muse Spark 1.3 的首次回答更快(2.6 秒 比 87.0 秒)。Muse Spark 1.3 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • GLM 5.3 Flash 的 BenchLeader Index 为 57.8,Muse Spark 1.3 为 61.6(BenchLeader,2026年11月16日)。
  • GLM 5.3 Flash 每百万 token 混合价格为 $0.238(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)。
  • Muse Spark 1.3 比 GLM 5.3 Flash 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 4 项基准测试中,Muse Spark 1.3 领先 4 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 59;APEX-Agents 58.6% 比 52.8%中
数学GLM 5.3 Flash类别得分 69 比 56高
推理Muse Spark 1.3类别得分 71 比 48高
知识Muse Spark 1.3类别得分 81 比 45高
对话质量(人类偏好)–只有 GLM 5.3 Flash 有 Arena 评分(类别得分 66)无法比较
成本最低GLM 5.3 Flash每百万 token 混合价格 $0.238 比 $2.00;智能体编程会话 $0.011 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 87.0 秒(GLM 5.3 Flash)–
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

  • GLM 5.3 Flash 与 Muse Spark 1.3 的质量不相上下(57.8 比 61.6,在 ±9.5 的误差范围内)。
  • GLM 5.3 Flash 在数学方面更强。
  • Muse Spark 1.3 在智能体与工具、知识、推理方面更强。
  • GLM 5.3 Flash 更便宜,对方的价格是它的 8.4 倍(每百万 token 混合价格 $0.238 比 $2.00)。
  • Muse Spark 1.3 的输出速度是对方的 3.0 倍(163 比 54 token/秒)。

概览

规格GLM 5.3 FlashMuse Spark 1.3
提供商Zhipu AIMeta
发布日期2026年8月20日2026年9月2日
上下文窗口(token)1,000,0001,048,576
对比时的配置GLM 5.3 FlashMuse Spark 1.3
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.150 / $0.500 / $0.030$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GLM 5.3 FlashMuse Spark 1.3领先者
推理48.371.0Muse Spark 1.3
编程56.9–无法比较
智能体与工具58.761.3Muse Spark 1.3
数学68.856.3GLM 5.3 Flash
知识45.181.2Muse Spark 1.3
人类偏好66.4–无法比较
多模态64.0–无法比较
长上下文64.6–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GLM 5.3 Flash, 推理: 48.3GLM 5.3 Flash, 智能体与工具: 58.7GLM 5.3 Flash, 数学: 68.8GLM 5.3 Flash, 知识: 45.1Muse 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

未绘制(测得的模型少于两个):编程, 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 4 项基准测试中,GLM 5.3 Flash 领先 0 项,Muse Spark 1.3 领先 4 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 IndexGLM 5.3 FlashMuse Spark 1.3领先者
BenchLeader Index57.861.6不相上下
AA Intelligence Index v5.0.127.836.6†Muse Spark 1.3
Arena Text14751497†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GLM 5.3 FlashMuse Spark 1.3
每百万 token 混合价格$0.238$2.00
每百万 token 输入 / 输出$0.150 / $0.500$1.25 / $4.25
每百万 token 缓存输入$0.030$0.150
每项任务价格:聊天回复$0.0002$0.0018
每项任务价格:总结一份 30 页的报告$0.0021$0.018
每项任务价格:代码编辑$0.0017$0.014
每项任务价格:智能体编程会话$0.011$0.092
每项任务价格:结构化信息提取$0.0004$0.0034
智能体编程会话(输入大多命中缓存)$0.0056$0.043
每项基准测试任务成本(AA Index)$0.583–
每项任务输出 token(AA Index)134k–
其中推理部分103k–
每项任务耗时(AA Index)41 min–
输出速度54 tok/s163 tok/s
首次回答时间87.0 秒2.6 秒
完整回答耗时(最近一次测量 2026年11月13日)220.4 秒–

每个模型都按其排名最高的推理强度设置进行对比。GLM 5.3 Flash 得分 57.8,首个回答 token 需 87 秒;GLM 5.3 Flash (max) 为 52.4(87 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 156 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GLM 5.3 FlashMuse Spark 1.3
BenchLeader IndexBenchLeader57.861.6
智能体与工具得分BenchLeader58.761.3
编程得分BenchLeader56.9–
人类偏好得分BenchLeader66.4–
知识得分BenchLeader45.181.2
长上下文得分BenchLeader64.6–
数学得分BenchLeader68.856.3
多模态得分BenchLeader64.0–
推理得分BenchLeader48.371.0
混合价格(美元/百万 token)BenchLeader$0.238$2.00
输出速度BenchLeader54 tok/s163 tok/s
首次回答时间BenchLeader87.0 秒2.6 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.2%†–
SimpleBenchSimpleBench–81.8%
Arena Hard PromptsArena (LMArena)15001517†
LiveBench 2.0 ReasoningLiveBench77.6%†89.7%†
LiveBench 1.0 ReasoningLiveBench77.6%89.7%†
GPQA Diamond (AA)Artificial Analysis91.2%93.5%†
Humanity's Last Exam (AA)Artificial Analysis39.9%48.7%†
HLE-Diamond (AA)Artificial Analysis18.2%33.7%†
GPQA Diamond (Vals)Vals AI86.4%†–
ARC-AGI-1ARC Prize91.0%†–
ARC-AGI-2ARC Prize65.8%†–
CritPtArtificial Analysis15.4%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis24.5%48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)15111521†
Chess PuzzlesEpoch AI Benchmarking Hub21.0%†37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub8.0%†25.0%†
LMCAEpoch AI Benchmarking Hub–53.9%
DTBenchEpoch AI Benchmarking Hub–96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub14.9%14.1%†
编程
SciCodeSciCode51.6%58.8%†
FrontierCodeCognition31.8%†–
Arena CodingArena (LMArena)15261534†
显示全部 156 项基准测试
指标发布方GLM 5.3 FlashMuse Spark 1.3
编程
Arena WebDevArena (LMArena)16091655†
LiveBench 2.0 CodingLiveBench70.9%†84.4%†
LiveBench 1.0 CodingLiveBench79.0%81.1%†
LiveCodeBenchVals AI80.5%†–
IOIVals AI52.5%†56.6%†
SWE-bench (Vals)Vals AI92.0%†–
Code MigrationVals AI20.5%†47.4%†
Code Migration v1.1Vals AI51.6%†–
ProgramBenchVals AI0.0%†2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI16.0%†20.5%†
Vibe Code Bench v1.1Vals AI30.8%†85.9%†
SWE Atlas v1.1Scale AI SEAL55.3%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL66.9%–
SWE Atlas v1.1: Test WritingScale AI SEAL53.3%–
SWE Atlas v1.1: RefactoringScale AI SEAL45.7%–
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub63.4%†–
CursorBenchCursor36.8%†41.6%†
ALE-BenchEpoch AI Benchmarking Hub303.6†1688.3†
FrontierSWEEpoch AI Benchmarking Hub18.1%†25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis32.8%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 254.957.7
GameBench 2 by reasoning settingDuelLab GameBench 257.2†68.5†
Design Arena WebsiteDesign Arena12571353†
FrontierCode 1.1 (AA)Artificial Analysis41.0%40.6%†
FrontierCode 2.0 (AA)Artificial Analysis17.6%23.1%†
智能体与工具
Terminal-BenchTerminal-Bench37.0%†14.8%†
APEX-AgentsMercor52.8%58.6%
Arena AgentArena (LMArena)-2.92.2†
LiveBench Long AgenticLiveBench20.7%†47.9%†
LiveBench BrowserLiveBench59.8%†30.9%†
LiveBench Agentic CodingLiveBench56.8%64.1%†
Terminal-Bench 2.1 (Vals)Vals AI62.9%†79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1, normalised scoreArtificial Analysis57.1%–
GDPval-AA v2.1Artificial Analysis16481681†
τ³-Banking (AA)Artificial Analysis47.2%50.5%†
ITBench SRE (AA)Artificial Analysis51.2%33.2%†
Analyst Agent (AA)Artificial Analysis25.0%37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI67.9%†72.7%†
Finance Agent v2Vals AI57.9%†60.0%†
Finance Agent v2.1Vals AI60.6%†–
Harvey's Legal Agent Benchmark v1.1Vals AI10.4%†–
Harvey's Legal Agent Benchmark v1Vals AI6.7%†23.8%†
Legal Research BenchVals AI45.2%†55.3%†
SkillsBenchVals AI40.2%†–
SREBenchVals AI0.8%†3.8%†
Tax Agent BenchVals AI31.6%†42.4%†
Terminal-Bench 4.0 (Vals)Vals AI37.4%†24.8%†
Terminal-Bench ScienceVals AI2.9%†10.0%†
Arena Agent Task CompletionArena (LMArena)1.33.7†
PostTrainBenchEpoch AI Benchmarking Hub36.8%†–
AutomationBenchArtificial Analysis60.4%57.9%†
GDP.pdf (AA)Artificial Analysis15.4%26.6%†
Harvey LAB-AA v1.1Harvey0.8%8.9%†
EnterpriseOps-GymArtificial Analysis33.2%–
AA-Briefcase v1.1Artificial Analysis14501581†
Design Arena AgenticDesign Arena–1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis4.8%10.9%†
CWE-Bench (AA)Artificial Analysis55.8%60.8%†
DeepSec-Bench (AA)Artificial Analysis19.9%12.5%†
CyberGym end-to-end (AA)Artificial Analysis74.0%59.5%†
MKA (AA)Artificial Analysis36.2%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.8%†74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub93.9%†99.2%†
ProofBenchVals AI21.0%†55.0%
LiveBench MathematicsLiveBench81.2%96.0%†
Arena MathsArena (LMArena)15051506†
知识
LiveBench 2.0 Data AnalysisLiveBench76.4%†79.6%†
LiveBench ResearchLiveBench73.9%†82.5%†
LiveBench 1.0 Data AnalysisLiveBench76.4%79.6%†
AA-Omniscience v1.1Artificial Analysis0.722.4†
MMLU-ProVals AI86.1%†–
LegalBenchVals AI83.9%†–
TaxEvalVals AI75.6%†–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
Excel Modeling BenchmarkVals AI55.9%†67.4%†
Excel Modeling Benchmark v1.1Vals AI66.3%†–
MedScribeVals AI88.9%†–
Access to Justice BenchmarkVals AI71.1%†72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub14.0%†27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis28.2%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis61.6%74.8%†
指令遵循
LiveBench LanguageLiveBench77.3%82.8%†
LiveBench Instruction FollowingLiveBench52.8%78.0%†
Arena Instruction FollowingArena (LMArena)14741485†
人类偏好
Arena TextArena (LMArena)14751497†
EQ-Bench Creative Writing v3EQ-Bench–1907
Arena Creative WritingArena (LMArena)14351468†
Arena Multi-turnArena (LMArena)14761493†
Arena Longer QueriesArena (LMArena)14801498†
多模态
Arena VisionArena (LMArena)12951310†
LiveBench DesignLiveBench73.7%†74.8%†
MMMU-ProArtificial Analysis–82.0%†
MMMU-Pro (Vals)Vals AI86.0%†–
SAGEVals AI89.3%†–
Humanity's Sixth SenseScale AI SEAL26.8%†37.4%†
GeoBenchGeoBench–86.0%
VIALS-AAHandshake AI39.8%–
Code2Video-AAArtificial Analysis9751019†
AA-3DArtificial Analysis9371032†
长上下文
AA-LCR v1.1Artificial Analysis80.0%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis11.7%13.9%†
FACTS GroundingGoogle56.1%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.8158.2
LiveBench 2.0LiveBench60.7%†68.6%†
LiveBench 1.0LiveBench71.6%81.6%†
AA Intelligence Index v5.0.1Artificial Analysis27.836.6†
AA Intelligence Index v4.3.2Artificial Analysis41.848.1†
AA Progress Index v1Artificial Analysis318.6324.5†
Vals IndexVals AI50.9†–
Vals Finance IndexVals AI55.8%†–
Vals RSI IndexVals AI–19.6%†
Vals Router IndexVals AI50.9%–
Vals Legal IndexVals AI71.0%†–
AA Cyber IndexArtificial Analysis49.944.3†
安全与诚实
FORTRESSScale AI SEAL26.7%–
DistressBenchScale AI SEAL72.7%84.9%
元数据
AA Openness IndexArtificial Analysis44.4–

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

  • GLM 5.3 Flash:BenchLeader Index 56.7 → 57.8。
  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • GLM 5.3 Flash:1 项分数修订。
  • 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。
  • GLM 5.3 Flash:5 项分数修订。
  • Muse Spark 1.3:4 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。

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

GLM 5.3 Flash vs Muse Spark 1.3:常见问题

GLM 5.3 Flash 比 Muse Spark 1.3 更好吗?
GLM 5.3 Flash 与 Muse Spark 1.3 的质量不相上下(57.8 比 61.6,在 ±9.5 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。
GLM 5.3 Flash 和 Muse Spark 1.3 哪个更便宜?价格会变吗?
目前 GLM 5.3 Flash 更便宜:每百万 token $0.238 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。
GLM 5.3 Flash 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.3 输出更快(约 2 倍;输出 163 比 54 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GLM 5.3 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 59,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 APEX-Agents 上,GLM 5.3 Flash 为 52.8%,Muse Spark 1.3 为 58.6%。
处理长文档哪个更好?
两者都约为 1M token(GLM 5.3 Flash 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 87.0 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 GLM 5.3 Flash 和 Muse Spark 1.3 的看法一致吗?
在两者都有结果的 4 项基准测试中,GLM 5.3 Flash 领先 0 项,Muse Spark 1.3 领先 4 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。