GPT-5.4 Nano vs Muse Spark Open
完整资料:GPT-5.4 Nano(OpenAI)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,GPT-5.4 Nano 与 Muse Spark Open 的质量不相上下(BenchLeader Index 53.9 比 53.5,在 ±10.9 的误差范围内)。GPT-5.4 Nano 更便宜,对方的价格是它的 4.3 倍(每百万 token 混合价格 $0.463 比 $2.00)。看重编程(49 比 36)选 GPT-5.4 Nano;看重多模态(63 比 47)和推理(51 比 38)选 Muse Spark Open。Muse Spark Open 的首次回答更快(9.9 秒 比 61.3 秒)。
要点(截至 2026年11月16日)
- GPT-5.4 Nano 的 BenchLeader Index 为 53.9,Muse Spark Open 为 53.5(BenchLeader,2026年11月16日)。
- GPT-5.4 Nano 每百万 token 混合价格为 $0.463(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 16 项基准测试中,Muse Spark Open 领先 15 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 | GPT-5.4 Nano | 类别得分 49 比 36;SciCode (AA) 47.2% 比 58.5% | 高 |
| 推理 | Muse Spark Open | 类别得分 51 比 38;ARC-AGI-2 57.5% 比 5.7% | 高 |
| 长文档 | 均可 | 类别得分 63 比 64;AA-LCR v1.1 76.7% 比 78.3% | 均可 |
| 图像及其他媒体 | Muse Spark Open | 类别得分 63 比 47;MMMU-Pro 80.9% 比 65.4% | 高 |
| 成本最低 | GPT-5.4 Nano | 每百万 token 混合价格 $0.463 比 $2.00;智能体编程会话 $0.017 比 $0.092 | – |
| 首次回答最快 | Muse Spark Open | 首个回答 token 9.9 秒(Muse Spark Open (xhigh))比 61.3 秒(GPT-5.4 Nano (xhigh)) | – |
| 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
- GPT-5.4 Nano (xhigh) 与 Muse Spark Open (xhigh) 的质量不相上下(53.9 比 53.5,在 ±10.9 的误差范围内)。
- GPT-5.4 Nano (xhigh) 在编程方面更强。
- Muse Spark Open (xhigh) 在长上下文、多模态、推理方面更强。
- GPT-5.4 Nano (xhigh) 更便宜,对方的价格是它的 4.3 倍(每百万 token 混合价格 $0.463 比 $2.00)。
概览
| 规格 | GPT-5.4 Nano | Muse Spark Open |
|---|---|---|
| 提供商 | OpenAI | Meta |
| 发布日期 | 2026年3月17日 | 2026年10月15日 |
| 上下文窗口(token) | 400,000 | 1,048,576 |
| 对比时的配置 | GPT-5.4 Nano (xhigh) | Muse Spark Open (xhigh) |
| 开放权重 | 否 | 是 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.200 / $1.25 / $0.020 | $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 | GPT-5.4 Nano (xhigh) | Muse Spark Open (xhigh) | 领先者 |
|---|---|---|---|
| 推理 | 37.9 | 51.3 | Muse Spark Open |
| 编程 | 49.4 | 36.0 | GPT-5.4 Nano |
| 智能体与工具 | 60.8 | – | 无法比较 |
| 知识 | – | 58.8 | 无法比较 |
| 指令遵循 | 74.1 | – | 无法比较 |
| 多模态 | 47.4 | 63.3 | Muse Spark Open |
| 长上下文 | 62.9 | 63.8 | 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。
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, 人类偏好。
各来源的分歧
在两者都有结果的 16 项基准测试中,GPT-5.4 Nano 领先 1 项,Muse Spark Open 领先 15 项。
| 综合 Index | GPT-5.4 Nano (xhigh) | Muse Spark Open (xhigh) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 53.9 | 53.5 | 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 | GPT-5.4 Nano (xhigh) | Muse Spark Open (xhigh) |
|---|---|---|
| 每百万 token 混合价格 | $0.463 | $2.00 |
| 每百万 token 输入 / 输出 | $0.200 / $1.25 | $1.25 / $4.25 |
| 每百万 token 缓存输入 | $0.020 | $0.150 |
| 每项任务价格:聊天回复 | $0.0005 | $0.0018 |
| 每项任务价格:总结一份 30 页的报告 | $0.0032 | $0.018 |
| 每项任务价格:代码编辑 | $0.0031 | $0.014 |
| 每项任务价格:智能体编程会话 | $0.017 | $0.092 |
| 每项任务价格:结构化信息提取 | $0.0007 | $0.0034 |
| 智能体编程会话(输入大多命中缓存) | $0.0089 | $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 | 145 tok/s | 180 tok/s |
| 首次回答时间 | 61.3 秒 | 9.9 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 185.1 秒 | 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。GPT-5.4 Nano (xhigh) 得分 53.9,首个回答 token 需 61 秒;GPT-5.4 Nano (medium) 为 51.4(6 秒),GPT-5.4 Nano (high) 为 48.3(1 秒)。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 130 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 | GPT-5.4 Nano (xhigh) | Muse Spark Open (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 53.9 | 53.5 |
| 智能体与工具得分 | BenchLeader | 60.8 | – |
| 编程得分 | BenchLeader | 49.4 | 36.0 |
| 指令遵循得分 | BenchLeader | 74.1 | – |
| 长上下文得分 | BenchLeader | 62.9 | 63.8 |
| 多模态得分 | BenchLeader | 47.4 | 63.3 |
| 推理得分 | BenchLeader | 37.9 | 51.3 |
| 知识得分 | BenchLeader | – | 58.8 |
| 混合价格(美元/百万 token) | BenchLeader | $0.463 | $2.00 |
| 输出速度 | BenchLeader | 145 tok/s | 180 tok/s |
| 首次回答时间 | BenchLeader | 61.3 秒 | 9.9 秒 |
| 上下文窗口 | BenchLeader | 400,000 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 78.5%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1421† | – |
| LiveBench 2.0 Reasoning | LiveBench | – | 73.7%† |
| LiveBench 1.0 Reasoning | LiveBench | 81.1% | – |
| GPQA Diamond (AA) | Artificial Analysis | 81.7% | 89.0% |
| Humanity's Last Exam (AA) | Artificial Analysis | 28.3% | 43.9% |
| HLE-Diamond (AA) | Artificial Analysis | – | 26.3% |
| GPQA Diamond (Vals) | Vals AI | 77.5%† | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 39.7%† | – |
| ARC-AGI-1 | ARC Prize | 51.5% | 89.0% |
| ARC-AGI-2 | ARC Prize | 5.7% | 57.5% |
| ARC-AGI-3 | ARC Prize | – | 0.4% |
| CritPt | Artificial Analysis | 9.3% | 14.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 29.5% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 28.0%† |
| Arena Expert | Arena (LMArena) | 1436† | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 45.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 6.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 36.9% | – |
| DTBench | Epoch AI Benchmarking Hub | 80.3% | – |
| ForecastBench | ForecastBench | 58.6%† | – |
| 编程 | |||
| SciCode | SciCode | 47.2% | – |
| WeirdML | WeirdML | 49.2%† | – |
| Arena Coding | Arena (LMArena) | 1460† | – |
| Arena WebDev | Arena (LMArena) | – | 1526† |
显示全部 130 项基准测试
| 指标 | 发布方 | GPT-5.4 Nano (xhigh) | Muse Spark Open (xhigh) |
|---|---|---|---|
| 编程 | |||
| LiveBench 2.0 Coding | LiveBench | – | 55.1%† |
| LiveBench 1.0 Coding | LiveBench | 70.8% | – |
| SciCode (AA) | Artificial Analysis | 47.2% | 58.5% |
| LiveCodeBench | Vals AI | 84.0%† | – |
| SWE-bench (Vals) | Vals AI | 69.8%† | – |
| Code Migration | Vals AI | 14.5%† | 21.2% |
| Code Migration v1.1 | Vals AI | – | 26.9% |
| Vibe Code Bench v1.1 | Vals AI | 26.1%† | 76.2% |
| SWE Atlas v1.1 | Scale AI SEAL | – | 42.3%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 50.0%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 41.1%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 35.7%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 95.0% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 82.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1004.5† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 0.5% | 8.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 60.7% | 76.4% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 55.3† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 31.1† | 59.3 |
| Design Arena Website | Design Arena | – | 1305 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 27.6% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 7.6% |
| 智能体与工具 | |||
| LiveBench Long Agentic | LiveBench | – | 12.1%† |
| LiveBench Browser | LiveBench | – | 26.2%† |
| LiveBench Agentic Coding | LiveBench | 46.8% | – |
| Terminal-Bench Hard | Artificial Analysis | 42.4% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 76.0% | – |
| Terminal-Bench 2.1 (Vals) | Vals AI | 41.6%† | – |
| HiL-Bench | Scale AI SEAL | – | 59.7%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 45.1% |
| GDPval-AA v2.1 | Artificial Analysis | 954 | 1401 |
| τ³-Banking (AA) | Artificial Analysis | 27.4% | – |
| ITBench SRE (AA) | Artificial Analysis | 24.4% | – |
| APEX-Agents (AA) | Artificial Analysis | 24.9% | – |
| Finance Agent v2 | Vals AI | 38.2%† | 61.3% |
| Finance Agent v2.1 | Vals AI | – | 60.7% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 25.0% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0%† | 16.7% |
| Legal Research Bench | Vals AI | 6.3%† | 38.5% |
| Tax Agent Bench | Vals AI | 5.0%† | 26.3% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 39.9%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 6.6% |
| AutomationBench | Artificial Analysis | 6.0% | 49.7% |
| GDP.pdf (AA) | Artificial Analysis | 7.8% | 18.6% |
| EnterpriseOps-Gym | Artificial Analysis | 31.5% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 674 | 1280 |
| GDPx | GDPx by SemiAnalysis | – | 1.7%† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 1.9% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 44.9%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 12.2%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 87.8%† | – |
| ProofBench | Vals AI | 5.0%† | – |
| LiveBench Mathematics | LiveBench | 91.0% | – |
| AIME (Vals) | Vals AI | 88.8%† | – |
| ArXivMath | MathArena | – | 27.0% |
| BrokenArXiv | MathArena | – | 30.1% |
| Arena Maths | Arena (LMArena) | 1424† | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 11.7%† | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 60.2%† |
| LiveBench Research | LiveBench | – | 82.7%† |
| LiveBench 1.0 Data Analysis | LiveBench | 67.6% | – |
| AA-Omniscience v1.1 | Artificial Analysis | – | 25.8 |
| MMLU-Pro | Vals AI | 77.2%† | – |
| LegalBench | Vals AI | 77.9%† | – |
| CorpFin | Vals AI | 61.2%† | – |
| TaxEval | Vals AI | 67.4%† | – |
| PRBench Legal | Scale AI SEAL | – | 59.8%† |
| CaseLaw v2 | Vals AI | 51.9%† | – |
| Excel Modeling Benchmark | Vals AI | 44.8%† | 53.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 62.0% |
| MedCode | Vals AI | 41.0%† | – |
| MedScribe | Vals AI | 77.1%† | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 42.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 72.0% |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 62.5% | – |
| LiveBench Instruction Following | LiveBench | 67.2% | – |
| IFBench | Artificial Analysis | 75.9% | – |
| MultiChallenge | Scale AI SEAL | – | 74.2%† |
| Arena Instruction Following | Arena (LMArena) | 1386† | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1401† | – |
| Arena Creative Writing | Arena (LMArena) | 1337† | – |
| Arena Multi-turn | Arena (LMArena) | 1414† | – |
| Arena Longer Queries | Arena (LMArena) | 1403† | – |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1196† | – |
| LiveBench Design | LiveBench | – | 58.1%† |
| MMMU-Pro | Artificial Analysis | 65.4% | 80.9% |
| MMMU-Pro (Vals) | Vals AI | 73.6%† | – |
| MortgageTax | Vals AI | 59.1%† | – |
| SAGE | Vals AI | – | 85.8% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 29.6%† |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 76.7% | 78.3% |
| MLCR | Artificial Analysis | 16.1% | 7.8% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 146.4† | 155.4† |
| LiveBench 2.0 | LiveBench | – | 48.5%† |
| LiveBench 1.0 | LiveBench | 69.6% | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 24.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 20.7 | 38.9 |
| AA Progress Index v1 | Artificial Analysis | 270.1 | 306.7 |
| Vals Index | Vals AI | – | 48.6 |
| Vals Finance Index | Vals AI | – | 53.0% |
| Vals Multimodal Index | Vals AI | 47.6%† | – |
| Vals Legal Index | Vals AI | – | 68.5% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 7.6%† |
| DistressBench | Scale AI SEAL | – | 87.7%† |
| 元数据 | |||
| AA Openness Index | Artificial 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
- GPT-5.4 Nano (xhigh):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
- Muse Spark Open (xhigh):1 项分数修订。
- 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)。
- GPT-5.4 Nano (xhigh):BenchLeader Index 53.6 → 54.1。
- Muse Spark Open (xhigh):BenchLeader Index 59.5 → 53.3。
- GPT-5.4 Nano (xhigh):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。
- Muse Spark Open (xhigh):6 项新结果(MLCR, Code Migration v1.1, Excel Modeling Benchmark v1.1…);价格 $1.25/M → $0.15/M。
相关对比
- GPT-5.4 Nano vs MiniMax M3.1 Flash
- Muse Spark Open vs Claude Opus 5.5
- Muse Spark Open vs GPT-6 Astra
- Muse Spark Open vs GPT-6.1 Sol
- Muse Spark Open vs Claude Fable 5
- Muse Spark Open vs Gemini 4 Argon
- Muse Spark Open vs GPT-5.6 Sol
- Muse Spark Open vs Claude Sonnet 5.5
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
GPT-5.4 Nano vs Muse Spark Open:常见问题
- GPT-5.4 Nano 比 Muse Spark Open 更好吗?
- GPT-5.4 Nano (xhigh) 与 Muse Spark Open (xhigh) 的质量不相上下(53.9 比 53.5,在 ±10.9 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。
- GPT-5.4 Nano 和 Muse Spark Open 哪个更便宜?价格会变吗?
- 目前 GPT-5.4 Nano 更便宜:每百万 token $0.463 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 GPT-5.4 Nano 还是 Muse Spark Open 更好?
- GPT-5.4 Nano 在编程方面得分更高(类别得分 49 比 36,50 为平均水平)。
- GPT-5.4 Nano 和 Muse Spark Open 哪个更快?
- Muse Spark Open 输出更快(输出 180 比 145 token/秒,Artificial Analysis 7 日中位数)。
- 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)。Muse Spark Open 支持更长的上下文:1,048,576 token,GPT-5.4 Nano 为 400,000 token。
更多问题(3)
- 哪个延迟更低?
- Muse Spark Open 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 9.9 秒比 61.3 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 GPT-5.4 Nano 和 Muse Spark Open 的看法一致吗?
- 在两者都有结果的 16 项基准测试中,GPT-5.4 Nano 领先 1 项,Muse Spark Open 领先 15 项。
- Muse Spark Open 是什么时候发布的?
- Muse Spark Open 于 2026年10月15日 发布。