BenchLeader

GPT-5.4 Pro vs Muse Spark 1.2

完整资料:GPT-5.4 Pro(OpenAI)和 Muse Spark 1.2(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 9 个来源

截至 2026年11月16日,GPT-5.4 Pro 与 Muse Spark 1.2 的质量不相上下(BenchLeader Index 63.1 比 61.5,在 ±6.1 的误差范围内)。Muse Spark 1.2 更便宜,对方的价格是它的 34 倍(每百万 token 混合价格 $2.00 比 $67.50)。在两者都有成绩的所有类别中,GPT-5.4 Pro 均领先。Muse Spark 1.2 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • GPT-5.4 Pro 的 BenchLeader Index 为 63.1,Muse Spark 1.2 为 61.5(BenchLeader,2026年11月16日)。
  • GPT-5.4 Pro 每百万 token 混合价格为 $67.50(标价,2026年11月16日)。
  • Muse Spark 1.2 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark 1.2 比 GPT-5.4 Pro 输出更快(3 倍以上;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
推理GPT-5.4 Pro类别得分 70 比 68中
知识GPT-5.4 Pro类别得分 74 比 65高
图像及其他媒体GPT-5.4 Pro类别得分 70 比 65中
对话质量(人类偏好)–只有 Muse Spark 1.2 有 Arena 评分(类别得分 69)无法比较
成本最低Muse Spark 1.2每百万 token 混合价格 $2.00 比 $67.50;智能体编程会话 $0.092 比 $2.52–
首次回答最快GPT-5.4 Pro首个回答 token 7.9 秒(GPT-5.4 Pro)比 11.4 秒(Muse Spark 1.2 (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 Pro 与 Muse Spark 1.2 (xhigh) 的质量不相上下(63.1 比 61.5,在 ±6.1 的误差范围内)。
  • GPT-5.4 Pro 在知识、多模态、推理方面更强。
  • Muse Spark 1.2 (xhigh) 更便宜,对方的价格是它的 34 倍(每百万 token 混合价格 $2.00 比 $67.50)。
  • Muse Spark 1.2 (xhigh) 的输出速度是对方的 32.1 倍(208 比 7 token/秒)。

概览

规格GPT-5.4 ProMuse Spark 1.2
提供商OpenAIMeta
发布日期2026年3月4日2026年8月5日
上下文窗口(token)1,050,0001,048,576
对比时的配置GPT-5.4 ProMuse Spark 1.2 (xhigh)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$30.00 / $180.00 / –$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 ProMuse Spark 1.2 (xhigh)领先者
推理70.168.1GPT-5.4 Pro
编程–54.7无法比较
智能体与工具–55.4无法比较
数学–66.8无法比较
知识74.064.5GPT-5.4 Pro
指令遵循64.4–无法比较
人类偏好–68.6无法比较
多模态69.865.3GPT-5.4 Pro
长上下文–64.1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推理知识多模态GPT-5.4 Pro, 推理: 70.1GPT-5.4 Pro, 知识: 74.0GPT-5.4 Pro, 多模态: 69.8Muse Spark 1.2, 推理: 68.1Muse Spark 1.2, 知识: 64.5Muse Spark 1.2, 多模态: 65.3

未绘制(测得的模型少于两个):编程, 智能体与工具, 数学, 指令遵循, 长上下文, 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,GPT-5.4 Pro 领先 0 项,Muse Spark 1.2 领先 0 项。

综合 IndexGPT-5.4 ProMuse Spark 1.2 (xhigh)领先者
BenchLeader Index63.161.5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 ProMuse Spark 1.2 (xhigh)
每百万 token 混合价格$67.50$2.00
每百万 token 输入 / 输出$30.00 / $180.00$1.25 / $4.25
每百万 token 缓存输入–$0.150
每项任务价格:聊天回复$0.066$0.0018
每项任务价格:总结一份 30 页的报告$0.468$0.018
每项任务价格:代码编辑$0.450$0.014
每项任务价格:智能体编程会话$2.52$0.092
每项任务价格:结构化信息提取$0.096$0.0034
智能体编程会话(输入大多命中缓存)–$0.043
输出速度7 tok/s208 tok/s
首次回答时间7.9 秒11.4 秒
完整回答耗时(最近一次测量 2026年11月13日)–23.9 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 Pro 得分 63.1,首个回答 token 需 8 秒;GPT-5.4 Pro (xhigh) 为 59.5(8 秒)。Muse Spark 1.2 (xhigh) 得分 61.5,首个回答 token 需 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 98 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 ProMuse Spark 1.2 (xhigh)
BenchLeader IndexBenchLeader63.161.5
指令遵循得分BenchLeader64.4–
知识得分BenchLeader74.064.5
多模态得分BenchLeader69.865.3
推理得分BenchLeader70.168.1
智能体与工具得分BenchLeader–55.4
编程得分BenchLeader–54.7
人类偏好得分BenchLeader–68.6
长上下文得分BenchLeader–64.1
数学得分BenchLeader–66.8
混合价格(美元/百万 token)BenchLeader$67.50$2.00
输出速度BenchLeader7 tok/s208 tok/s
首次回答时间BenchLeader7.9 秒11.4 秒
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.6%†–
Humanity's Last ExamScale AI / CAIS44.3%–
SimpleBenchSimpleBench74.1%74.5%†
Arena Hard PromptsArena (LMArena)–1514
LiveBench 1.0 ReasoningLiveBench–90.0%
GPQA Diamond (AA)Artificial Analysis–90.4%
Humanity's Last Exam (AA)Artificial Analysis–45.5%
ARC-AGI-1ARC Prize94.5%†–
ARC-AGI-2ARC Prize83.3%†–
CritPtArtificial Analysis30.0%†17.7%
Arena ExpertArena (LMArena)–1503
Chess PuzzlesEpoch AI Benchmarking Hub59.0%†27.0%
LMCAEpoch AI Benchmarking Hub–48.4%
DTBenchEpoch AI Benchmarking Hub–94.7%
编程
SciCodeSciCode–57.4%
WeirdMLWeirdML57.4%†60.3%
Arena CodingArena (LMArena)–1542
Arena WebDevArena (LMArena)–1534
LiveBench 1.0 CodingLiveBench–77.5%
IOIVals AI–21.8%
SWE-bench (Vals)Vals AI–86.6%
Code MigrationVals AI–29.9%
ProgramBenchVals AI–0.5%
Vibe Code Bench v1.1Vals AI–79.1%
DeepSWE v1.1Epoch AI Benchmarking Hub–54.9%
显示全部 98 项基准测试
指标发布方GPT-5.4 ProMuse Spark 1.2 (xhigh)
编程
FrontierSWEEpoch AI Benchmarking Hub–12.0%
Terminal-Bench 4.0 (AA)Artificial Analysis–7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 2–51.5†
GameBench 2 by reasoning settingDuelLab GameBench 2–56.9
Design Arena WebsiteDesign Arena–1309†
智能体与工具
APEX-AgentsMercor–45.4%†
Arena AgentArena (LMArena)–-8.2
LiveBench Agentic CodingLiveBench–57.6%
Terminal-Bench 2.1 (Vals)Vals AI–69.7%
GDPval-AA v2.1Artificial Analysis–1478
τ³-Banking (AA)Artificial Analysis–34.9%
CyberBenchVals AI–69.5%
Finance Agent v2Vals AI–60.6%
Harvey's Legal Agent Benchmark v1Vals AI–25.4%
Legal Research BenchVals AI–43.8%
SkillsBenchVals AI–53.0%
SREBenchVals AI–0.0%
Tax Agent BenchVals AI–32.8%
Terminal-Bench 4.0 (Vals)Vals AI–6.1%
Arena Agent Task CompletionArena (LMArena)–-9.8
AutomationBenchArtificial Analysis–40.6%
GDP.pdf (AA)Artificial Analysis–17.4%
EnterpriseOps-GymArtificial Analysis–47.3%
AA-Briefcase v1.1Artificial Analysis–1323
Design Arena AgenticDesign Arena–1185†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.5%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†–
ProofBenchVals AI–43.0%†
LiveBench MathematicsLiveBench–91.2%
MathArena ApexMathArena69.8%†–
Arena MathsArena (LMArena)–1486
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†60.3%
LiveBench 1.0 Data AnalysisLiveBench–76.5%
MMLU-ProVals AI–88.3%
LegalBenchVals AI–85.3%
CorpFinVals AI–70.9%
TaxEvalVals AI–80.4%
MultiNRCScale AI SEAL62.3%–
BioMysteryBenchVals AI–64.8%
Excel Modeling BenchmarkVals AI–57.0%
MedCodeVals AI–49.4%
MedScribeVals AI–90.1%
Public Benefits Bench v1.1Vals AI–68.5%
Financial Coaching BenchVals AI–75.7%
Immigration BenchVals AI–66.5%
GDP.pdfEpoch AI Benchmarking Hub–16.0%
指令遵循
LiveBench LanguageLiveBench–78.6%
LiveBench Instruction FollowingLiveBench–74.3%
MultiChallengeScale AI SEAL69.2%–
TutorBenchScale AI SEAL56.6%–
Arena Instruction FollowingArena (LMArena)–1479
人类偏好
Arena TextArena (LMArena)–1493
EQ-Bench Creative Writing v3EQ-Bench–1842†
Arena Creative WritingArena (LMArena)–1443
Arena Multi-turnArena (LMArena)–1510
Arena Longer QueriesArena (LMArena)–1491
多模态
Arena VisionArena (LMArena)–1305
VISTAScale AI SEAL53.9%–
MMMU-Pro (Vals)Vals AI–86.1%
MortgageTaxVals AI–65.4%
Humanity's Sixth SenseScale AI SEAL–24.5%
长上下文
AA-LCR v1.1Artificial Analysis–79.0%
MLCRArtificial Analysis–7.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.2155.0†
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v4.3.2Artificial Analysis–39.6
AA Progress Index v1Artificial Analysis–309.1
Vals Multimodal IndexVals AI–69.8%†
安全与诚实
FORTRESSScale AI SEAL14.8%–
MASKScale AI SEAL91.7%–
DistressBenchScale AI SEAL–88.4%†

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

  • Muse Spark 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • Muse Spark 1.2 (xhigh):1 项分数修订。
  • Muse Spark 1.2 (xhigh):1 项分数修订。
  • Muse Spark 1.2 (xhigh):BenchLeader Index 62.2 → 61.6。
  • Muse Spark 1.2 (xhigh):1 项新结果(AA Progress Index v1)。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • Muse Spark 1.2 (xhigh):价格 $1.29/M → $0.81/M。
  • Muse Spark 1.2 (xhigh):价格 $0.97/M → $1.29/M。
  • Muse Spark 1.2 (xhigh):1 项新结果(AA-Briefcase v1.1)。
  • Muse Spark 1.2 (xhigh):1 项新结果(Harvey's Legal Agent Benchmark v1)。

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 Pro vs Muse Spark 1.2:常见问题

GPT-5.4 Pro 比 Muse Spark 1.2 更好吗?
GPT-5.4 Pro 与 Muse Spark 1.2 (xhigh) 的质量不相上下(63.1 比 61.5,在 ±6.1 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 Pro 和 Muse Spark 1.2 哪个更便宜?价格会变吗?
目前 Muse Spark 1.2 更便宜:每百万 token $2.00 比 $67.50(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。
GPT-5.4 Pro 和 Muse Spark 1.2 哪个更快?
Muse Spark 1.2 输出更快(3 倍以上;输出 208 比 7 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都约为 1.1M token(GPT-5.4 Pro 为 1,050,000,Muse Spark 1.2 为 1,048,576)。
哪个延迟更低?
GPT-5.4 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 7.9 秒比 11.4 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(1)
Muse Spark 1.2 是什么时候发布的?
Muse Spark 1.2 于 2026年8月5日 发布。