GPT-5.4 vs Muse Spark
完整资料:GPT-5.4(OpenAI)和 Muse Spark(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,GPT-5.4 与 Muse Spark 的质量不相上下(BenchLeader Index 63.1 比 64.2,在 ±4.4 的误差范围内)。看重数学(65 比 59)和长上下文(66 比 64)选 GPT-5.4;看重知识(63 比 59)、指令遵循(77 比 72)和多模态(64 比 61)选 Muse Spark。
要点(截至 2026年11月16日)
- GPT-5.4 的 BenchLeader Index 为 63.1,Muse Spark 为 64.2(BenchLeader,2026年11月16日)。
- GPT-5.4 每百万 token 混合价格为 $5.63(标价,2026年11月16日)。
- 在两者都有结果的 33 项基准测试中,GPT-5.4 领先 23 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 | 均可 | 类别得分 65 比 65;SWE-Bench Pro 59.1% 比 55.0% | 均可 |
| 智能体与工具调用 | Muse Spark | 类别得分 65 比 63;MCP Atlas 82.2% 比 70.6% | 中 |
| 数学 | GPT-5.4 | 类别得分 65 比 59;OTIS Mock AIME 95.3% 比 88.9% | 中 |
| 推理 | Muse Spark | 类别得分 67 比 66;Humanity's Last Exam 40.6% 比 36.2% | 中 |
| 知识 | Muse Spark | 类别得分 63 比 59;TaxEval 77.7% 比 74.0% | 中 |
| 长文档 | GPT-5.4 | 类别得分 66 比 64;AA-LCR v1.1 82.0% 比 78.0% | 中 |
| 图像及其他媒体 | Muse Spark | 类别得分 64 比 61;MMMU-Pro 80.5% 比 78.4% | 中 |
| 指令遵循 | Muse Spark | 类别得分 77 比 72;IFBench 75.9% 比 74.0% | 中 |
| 对话质量(人类偏好) | – | 只有 Muse Spark 有 Arena 评分(类别得分 68) | 无法比较 |
| 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 (xhigh) 与 Muse Spark 的质量不相上下(63.1 比 64.2,在 ±4.4 的误差范围内)。
- GPT-5.4 (xhigh) 在长上下文、数学方面更强。
- Muse Spark 在智能体与工具、编程、指令遵循、知识、多模态、推理方面更强。
概览
| 规格 | GPT-5.4 | Muse Spark |
|---|---|---|
| 提供商 | OpenAI | Meta |
| 发布日期 | 2026年3月5日 | 2026年4月8日 |
| 上下文窗口(token) | 1,050,000 | 262,144 |
| 对比时的配置 | GPT-5.4 (xhigh) | Muse Spark |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $2.50 / $15.00 / $0.250 | – |
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 (xhigh) | Muse Spark | 领先者 |
|---|---|---|---|
| 推理 | 65.7 | 67.4 | Muse Spark |
| 编程 | 64.7 | 65.1 | 持平 |
| 智能体与工具 | 63.0 | 65.0 | Muse Spark |
| 数学 | 64.8 | 59.1 | GPT-5.4 |
| 知识 | 58.6 | 63.1 | Muse Spark |
| 指令遵循 | 72.4 | 76.9 | Muse Spark |
| 人类偏好 | – | 68.1 | 无法比较 |
| 多模态 | 60.8 | 64.2 | Muse Spark |
| 长上下文 | 65.7 | 63.6 | GPT-5.4 |
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):人类偏好。
各来源的分歧
在两者都有结果的 33 项基准测试中,GPT-5.4 领先 23 项,Muse Spark 领先 10 项。所有同时评测两者的综合评分都认为 Muse Spark 更强。
| 综合 Index | GPT-5.4 (xhigh) | Muse Spark | 领先者 |
|---|---|---|---|
| BenchLeader Index | 63.1 | 64.2 | 不相上下 |
| Arena Text | 1475† | 1489 | Muse Spark |
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 (xhigh) | Muse Spark |
|---|---|---|
| 每百万 token 混合价格 | $5.63 | – |
| 每百万 token 输入 / 输出 | $2.50 / $15.00 | – / – |
| 每百万 token 缓存输入 | $0.250 | – |
| 每项任务价格:聊天回复 | $0.0055 | – |
| 每项任务价格:总结一份 30 页的报告 | $0.039 | – |
| 每项任务价格:代码编辑 | $0.037 | – |
| 每项任务价格:智能体编程会话 | $0.210 | – |
| 每项任务价格:结构化信息提取 | $0.0080 | – |
| 智能体编程会话(输入大多命中缓存) | $0.109 | – |
| 输出速度 | 73 tok/s | – |
| 首次回答时间 | 144.9 秒 | – |
| 完整回答耗时(最近一次测量 2026年11月13日) | 193.1 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 (xhigh) 得分 63.1,首个回答 token 需 145 秒;GPT-5.4 (low) 为 58.8(3 秒),GPT-5.4 (high) 为 58.6(2 秒)。Muse Spark 得分 64.2。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 122 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 (xhigh) | Muse Spark |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 63.1 | 64.2 |
| 智能体与工具得分 | BenchLeader | 63.0 | 65.0 |
| 编程得分 | BenchLeader | 64.7 | 65.1 |
| 指令遵循得分 | BenchLeader | 72.4 | 76.9 |
| 知识得分 | BenchLeader | 58.6 | 63.1 |
| 长上下文得分 | BenchLeader | 65.7 | 63.6 |
| 数学得分 | BenchLeader | 64.8 | 59.1 |
| 多模态得分 | BenchLeader | 60.8 | 64.2 |
| 推理得分 | BenchLeader | 65.7 | 67.4 |
| 人类偏好得分 | BenchLeader | – | 68.1 |
| 混合价格(美元/百万 token) | BenchLeader | $5.63 | – |
| 输出速度 | BenchLeader | 73 tok/s | – |
| 首次回答时间 | BenchLeader | 144.9 秒 | – |
| 上下文窗口 | BenchLeader | 1,050,000 token | 262,144 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 93.3% | 89.8% |
| Humanity's Last Exam | Scale AI / CAIS | 36.2% | 40.6% |
| Arena Hard Prompts | Arena (LMArena) | 1487† | 1506 |
| LiveBench 1.0 Reasoning | LiveBench | 88.1% | – |
| GPQA Diamond (AA) | Artificial Analysis | 92.0% | 88.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.7% | 40.7% |
| GPQA Diamond (Vals) | Vals AI | 91.7% | 89.7% |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 63.8%† | – |
| ARC-AGI-1 | ARC Prize | 93.7% | – |
| ARC-AGI-2 | ARC Prize | 74.0% | – |
| ARC-AGI-3 | ARC Prize | 0.2%† | – |
| CritPt | Artificial Analysis | 23.4% | 11.3% |
| Arena Expert | Arena (LMArena) | 1491† | 1491 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 48.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 37.0% | – |
| CL-bench | Epoch AI Benchmarking Hub | 27.9% | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 21.7% | – |
| LMCA | Epoch AI Benchmarking Hub | 52.0% | – |
| DTBench | Epoch AI Benchmarking Hub | 94.4% | – |
| ForecastBench | ForecastBench | 63.0%† | – |
| 编程 | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 76.9%† | – |
| SciCode | SciCode | 56.6% | 51.5% |
| WeirdML | WeirdML | 77.7% | – |
| GSO-Bench | GSO-Bench | 31.4% | – |
| Arena Coding | Arena (LMArena) | 1511† | 1529 |
显示全部 122 项基准测试
| 指标 | 发布方 | GPT-5.4 (xhigh) | Muse Spark |
|---|---|---|---|
| 编程 | |||
| Arena WebDev | Arena (LMArena) | 1400† | – |
| LiveBench 1.0 Coding | LiveBench | 77.5% | – |
| LiveCodeBench | Vals AI | 84.1% | – |
| SWE-bench (Vals) | Vals AI | 78.2% | 74.4% |
| SWE-Bench Pro | Scale AI SEAL | 59.1% | 55.0% |
| Code Migration | Vals AI | 35.0% | – |
| ProgramBench | Vals AI | 0.0% | – |
| Vibe Code Bench v1.1 | Vals AI | 67.4% | 19.7% |
| SWE-Bench Pro (private) | Scale AI SEAL | 43.4% | 44.7% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 40.8% | 24.2% |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 44.3% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 44.4% | 31.1% |
| MirrorCode | Epoch AI Benchmarking Hub | 23.3% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 51.8% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1607† | – |
| AlgoTune | AlgoTune | 1.9† | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 78.3% | 62.2% |
| GameBench 2 Overall | DuelLab GameBench 2 | 53.4† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 62.1 | – |
| Design Arena Website | Design Arena | 1190† | 1253 |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 81.8%† | – |
| APEX-Agents | Mercor | 52.4%† | – |
| LiveBench Agentic Coding | LiveBench | 53.8% | – |
| Terminal-Bench Hard | Artificial Analysis | 57.6% | 45.5% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 87.1% | 91.5% |
| MCP Atlas | Scale AI SEAL | 70.6% | 82.2% |
| HiL-Bench | Scale AI SEAL | 9.7%† | – |
| τ³-bench Banking | τ²-bench | 39.4% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1256 | 1006 |
| τ³-Banking (AA) | Artificial Analysis | 39.6% | – |
| APEX-Agents (AA) | Artificial Analysis | 33.3% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 0.0% | – |
| SkillsBench | Vals AI | 51.7% | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 58.4%† | 59.5% |
| Arena Search | Arena (LMArena) | 1196† | – |
| DeepResearch Bench | DeepResearch Bench | 35.1%† | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 17.8%† | – |
| METR Time Horizons | METR | 74.3% | – |
| GBAEval | Epoch AI Benchmarking Hub | 45.1%† | – |
| Vending-Bench 2 | Andon Labs | 6144.2† | – |
| AA-Briefcase v1.1 | Artificial Analysis | – | 646 |
| Design Arena Agentic | Design Arena | 1042† | – |
| DeepSearchQA | 63.7%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 78.6% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 49.0% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 95.3% | 88.9% |
| ProofBench | Vals AI | 56.0% | 17.0% |
| LiveBench Mathematics | LiveBench | 94.2% | – |
| AIME (Vals) | Vals AI | 96.7% | 96.9% |
| AIME 2026 | MathArena | 99.2% | – |
| HMMT February 2026 | MathArena | 97.7% | – |
| USAMO 2026 | MathArena | 95.2% | – |
| MathArena Apex | MathArena | 54.2% | – |
| Arena Maths | Arena (LMArena) | 1459† | 1469 |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 45.1% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 79.3% | – |
| MMLU-Pro | Vals AI | 87.5% | 87.3% |
| LegalBench | Vals AI | 86.0% | 84.2% |
| CorpFin | Vals AI | 65.3% | 65.1% |
| TaxEval | Vals AI | 74.0% | 77.7% |
| MedQA | Vals AI | 96.1% | – |
| PRBench Finance | Scale AI SEAL | 45.6%† | 52.4% |
| PRBench Legal | Scale AI SEAL | 44.4%† | 52.3% |
| MultiNRC | Scale AI SEAL | 58.3%† | 59.0% |
| CaseLaw v2 | Vals AI | 63.8% | 63.1% |
| MedCode | Vals AI | 41.3% | 51.3% |
| MedScribe | Vals AI | 77.5% | 85.9% |
| EBR-bench | Epoch AI Benchmarking Hub | 25.4% | – |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 82.6% | – |
| LiveBench Instruction Following | LiveBench | 70.2% | – |
| IFBench | Artificial Analysis | 74.0% | 75.9% |
| MultiChallenge | Scale AI SEAL | – | 75.5% |
| TutorBench | Scale AI SEAL | – | 68.5% |
| Arena Instruction Following | Arena (LMArena) | 1460† | 1465 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1465† | 1489 |
| EQ-Bench 4 | EQ-Bench | 1258† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1841† | – |
| Arena Creative Writing | Arena (LMArena) | 1433† | 1464 |
| Arena Multi-turn | Arena (LMArena) | 1480† | 1493 |
| Arena Longer Queries | Arena (LMArena) | 1477† | 1476 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1292† | 1306 |
| MMMU-Pro | Artificial Analysis | 78.4% | 80.5% |
| VISTA | Scale AI SEAL | 50.9%† | – |
| MMMU-Pro (Vals) | Vals AI | 87.5% | 87.4% |
| MortgageTax | Vals AI | 68.3% | – |
| VTB | Scale AI SEAL | 29.2%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 27.1%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 37.5% | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 82.0% | 78.0% |
| Arena Document | Arena (LMArena) | 1471† | 1467 |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 157.8† | 153.1 |
| LiveBench 1.0 | LiveBench | 78.0% | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 39.0 | 31.3 |
| AA Progress Index v1 | Artificial Analysis | 311.6 | 289.1 |
| Vals RSI Index | Vals AI | 15.5% | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 20.2% |
| MASK | Scale AI SEAL | 89.7%† | – |
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 (xhigh):1 项新结果(GDPval-AA v2.1)。
- Muse Spark:2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
- GPT-5.4 (xhigh):1 项新结果(MirrorCode)。
- GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
- Muse Spark:BenchLeader Index 64.6 → 64.1。
- Muse Spark:1 项分数修订。
- GPT-5.4 (xhigh):1 项分数修订。
- GPT-5.4 (xhigh):1 项新结果(AA Progress Index v1)。
- Muse Spark:1 项新结果(AA Progress Index v1)。
- GPT-5.4 (xhigh):2 项新结果(Harvey's Legal Agent Benchmark v1, Vals RSI Index)。
相关对比
- GPT-5.4 vs Claude Fable 5.2
- GPT-5.4 vs Gemini 4 Carbon
- GPT-5.4 vs Claude Opus 5.5
- Muse Spark vs Claude Fable 5.2
- Muse Spark vs Gemini 4 Carbon
- Muse Spark vs Claude Opus 5.5
- Muse Spark vs GPT-6 Astra
- GPT-5.4 Pro vs Muse Spark
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 vs Muse Spark:常见问题
- GPT-5.4 比 Muse Spark 更好吗?
- GPT-5.4 (xhigh) 与 Muse Spark 的质量不相上下(63.1 比 64.2,在 ±4.4 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。
- 编程用 GPT-5.4 还是 Muse Spark 更好?
- 两者在编程方面持平(类别得分 65 比 65)。在两者共同的最主要编程基准测试 SWE-Bench Pro 上,GPT-5.4 为 59.1%,Muse Spark 为 55.0%。
- 智能体和工具调用用 GPT-5.4 还是 Muse Spark 更好?
- Muse Spark 在智能体任务方面得分更高(类别得分 65 比 63,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 MCP Atlas 上,GPT-5.4 为 70.6%,Muse Spark 为 82.2%。
- 处理长文档哪个更好?
- GPT-5.4 在长上下文基准测试上得分更高(66 比 64)。GPT-5.4 支持更长的上下文:1,050,000 token,Muse Spark 为 262,144 token。
- 第三方基准测试对 GPT-5.4 和 Muse Spark 的看法一致吗?
- 在两者都有结果的 33 项基准测试中,GPT-5.4 领先 23 项,Muse Spark 领先 10 项。所有同时评测两者的综合评分都认为 Muse Spark 更强。
更多问题(1)
- Muse Spark 是什么时候发布的?
- Muse Spark 于 2026年4月8日 发布。