BenchLeader

GPT-6.1 Sol vs Muse Wonder

完整资料:GPT-6.1 Sol(OpenAI)和 Muse Wonder(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 16 个来源

截至 2026年11月16日,GPT-6.1 Sol 与 Muse Wonder 的质量不相上下(BenchLeader Index 66.6 比 64.4,在 ±3.6 的误差范围内)。GPT-6.1 Sol 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $4.00 比 $8.00)。看重数学(72 比 70)选 GPT-6.1 Sol;看重智能体与工具(76 比 64)、知识(77 比 72)和人类偏好(70 比 67)选 Muse Wonder。Muse Wonder 的首次回答更快(3.3 秒 比 166.7 秒)。Muse Wonder 的输出更快。

要点(截至 2026年11月16日)

  • GPT-6.1 Sol 的 BenchLeader Index 为 66.6,Muse Wonder 为 64.4(BenchLeader,2026年11月16日)。
  • GPT-6.1 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • Muse Wonder 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Muse Wonder 比 GPT-6.1 Sol 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 2 项基准测试中,GPT-6.1 Sol 领先 2 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 Wonder类别得分 76 比 64高
数学GPT-6.1 Sol类别得分 72 比 70中
知识Muse Wonder类别得分 77 比 72中
对话质量(人类偏好)Muse WonderArena 投票 70 比 67中
成本最低GPT-6.1 Sol每百万 token 混合价格 $4.00 比 $8.00;智能体编程会话 $0.160 比 $0.320–
首次回答最快Muse Wonder首个回答 token 3.3 秒(Muse Wonder)比 166.7 秒(GPT-6.1 Sol (max))–
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-6.1 Sol (max) 与 Muse Wonder 的质量不相上下(66.6 比 64.4,在 ±3.6 的误差范围内)。
  • GPT-6.1 Sol (max) 在数学方面更强。
  • Muse Wonder 在智能体与工具、人类偏好、知识方面更强。
  • GPT-6.1 Sol (max) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $4.00 比 $8.00)。
  • Muse Wonder 的输出速度是对方的 1.4 倍(70 比 50 token/秒)。

概览

规格GPT-6.1 SolMuse Wonder
提供商OpenAIMeta
发布日期2026年9月29日2026年10月12日
上下文窗口(token)1,050,0001,048,576
对比时的配置GPT-6.1 Sol (max)Muse Wonder
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$2.00 / $10.00 / $0.100$4.00 / $20.00 / $0.200

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-6.1 Sol (max)Muse Wonder领先者
推理71.4–无法比较
编程71.1–无法比较
智能体与工具64.375.6Muse Wonder
数学71.670.1GPT-6.1 Sol
知识71.577.1Muse Wonder
人类偏好67.169.6Muse Wonder
多模态65.6–无法比较
长上下文66.2–无法比较
综合67.9–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智能体与工具数学知识人类偏好GPT-6.1 Sol, 智能体与工具: 64.3GPT-6.1 Sol, 数学: 71.6GPT-6.1 Sol, 知识: 71.5GPT-6.1 Sol, 人类偏好: 67.1Muse Wonder, 智能体与工具: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知识: 77.1Muse Wonder, 人类偏好: 69.6

未绘制(测得的模型少于两个):推理, 编程, 指令遵循, 长上下文, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 2 项基准测试中,GPT-6.1 Sol 领先 2 项,Muse Wonder 领先 0 项。第三方来源看法不一:GPT-6.1 Sol 在 AA Intelligence Index v5.0.1 上领先;Muse Wonder 在 Vals Index和Arena Text 上领先。

综合 IndexGPT-6.1 Sol (max)Muse Wonder领先者
BenchLeader Index66.664.4不相上下
AA Intelligence Index v5.0.154.640.5†GPT-6.1 Sol
Vals Index63.964.9†Muse Wonder
Arena Text14811511†Muse Wonder

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-6.1 Sol (max)Muse Wonder
每百万 token 混合价格$4.00$8.00
每百万 token 输入 / 输出$2.00 / $10.00$4.00 / $20.00
每百万 token 缓存输入$0.100$0.200
每项任务价格:聊天回复$0.0038$0.0076
每项任务价格:总结一份 30 页的报告$0.030$0.060
每项任务价格:代码编辑$0.027$0.054
每项任务价格:智能体编程会话$0.160$0.320
每项任务价格:结构化信息提取$0.0060$0.012
智能体编程会话(输入大多命中缓存)$0.074$0.149
每项基准测试任务成本(AA Index)$1.27–
每项任务输出 token(AA Index)68k–
其中推理部分49k–
每项任务耗时(AA Index)23 min–
输出速度50 tok/s70 tok/s
首次回答时间166.7 秒3.3 秒
完整回答耗时(最近一次测量 2026年11月13日)429.6 秒–

每个模型都按其排名最高的推理强度设置进行对比。GPT-6.1 Sol (max) 得分 66.6,首个回答 token 需 167 秒;GPT-6.1 Sol (xhigh) 为 63.6(68 秒),GPT-6.1 Sol (high) 为 63.4(33 秒)。Muse Wonder 得分 64.4,首个回答 token 需 3 秒;Muse Wonder (max) 为 60.8(20 秒),Muse Wonder (high) 为 56.2(13 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 154 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-6.1 Sol (max)Muse Wonder
BenchLeader IndexBenchLeader66.664.4
智能体与工具得分BenchLeader64.375.6
编程得分BenchLeader71.1–
综合得分BenchLeader67.9–
人类偏好得分BenchLeader67.169.6
知识得分BenchLeader71.577.1
长上下文得分BenchLeader66.2–
数学得分BenchLeader71.670.1
多模态得分BenchLeader65.6–
推理得分BenchLeader71.4–
混合价格(美元/百万 token)BenchLeader$4.00$8.00
输出速度BenchLeader50 tok/s70 tok/s
首次回答时间BenchLeader166.7 秒3.3 秒
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.4%–
SimpleBenchSimpleBench82.9%†–
Arena Hard PromptsArena (LMArena)15051531†
LiveBench 2.0 ReasoningLiveBench92.6%90.6%†
LiveBench 1.0 ReasoningLiveBench92.6%90.6%†
Humanity's Last Exam (AA)Artificial Analysis52.9%50.1%†
HLE-Diamond (AA)Artificial Analysis58.8%39.0%†
ARC-AGI-1ARC Prize96.5%–
ARC-AGI-2ARC Prize94.2%–
ARC-AGI-3ARC Prize96.2%–
CritPtArtificial Analysis31.7%28.3%†
CritPt v2 hard subset (AA)Artificial Analysis69.5%50.5%†
MysteryMechanismVals AI46.4%27.5%†
HLE-Diamond (Scale)Scale AI SEAL–37.3%
Arena ExpertArena (LMArena)15251525†
Chess PuzzlesEpoch AI Benchmarking Hub68.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub80.0%51.0%†
LMCAEpoch AI Benchmarking Hub62.8%56.8%
DTBenchEpoch AI Benchmarking Hub96.5%95.2%
编程
SciCodeSciCode54.2%60.3%†
FrontierCodeCognition50.2%†–
Arena CodingArena (LMArena)15401542†
Arena WebDevArena (LMArena)17431647†
LiveBench 2.0 CodingLiveBench82.1%74.9%†
LiveBench 1.0 CodingLiveBench80.4%80.7%†
显示全部 154 项基准测试
指标发布方GPT-6.1 Sol (max)Muse Wonder
编程
IOIVals AI96.9%66.9%†
Code MigrationVals AI65.1%62.5%†
Code Migration v1.1Vals AI77.3%72.4%†
ProgramBenchVals AI3.0%–
SWE-bench MultimodalVals AI43.5%45.6%†
Vibe Code Bench 1-100Vals AI–26.6%†
Vibe Code Bench v1.1Vals AI88.9%83.1%†
SWE Atlas v1.1Scale AI SEAL65.9%†64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL71.0%†73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL60.0%†60.0%
SWE-Bench Pro V2Scale AI SEAL96.1%†96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub61.1%45.6%†
CursorBenchCursor–50.4%†
ALE-BenchEpoch AI Benchmarking Hub2743.8–
WeirdML v3WeirdML38.3%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis56.1%52.0%†
Startrise FrontendStartrise78.6%†–
GameBench 2 OverallDuelLab GameBench 284.9†64.8
GameBench 2 by reasoning settingDuelLab GameBench 292.0†54.9†
Design Arena WebsiteDesign Arena1315†1378†
FrontierCode 1.1 (AA)Artificial Analysis49.1%46.5%†
FrontierCode 2.0 (AA)Artificial Analysis40.6%27.9%†
智能体与工具
Terminal-BenchTerminal-Bench60.9%47.0%†
APEX-AgentsMercor60.0%66.1%†
Arena AgentArena (LMArena)12.51.8†
LiveBench Long AgenticLiveBench65.6%46.2%†
LiveBench BrowserLiveBench93.3%60.0%†
LiveBench Agentic CodingLiveBench54.5%62.7%†
HiL-BenchScale AI SEAL62.3%†79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis54.8%63.5%†
GDPval-AA v2.1Artificial Analysis16071770†
Analyst Agent (AA)Artificial Analysis50.0%–
CUA-benchVals AI–7.2%†
CyberBenchVals AI39.3%80.4%†
Finance Agent v2Vals AI52.0%56.6%†
Finance Agent v2.1Vals AI61.8%65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI6.3%23.8%†
Harvey's Legal Agent Benchmark v1Vals AI5.4%17.1%†
Legal Research BenchVals AI38.5%50.5%†
Robo-benchVals AI28.3%–
SREBenchVals AI50.8%–
Tax Agent BenchVals AI21.8%36.3%†
Terminal-Bench 4.0 (Vals)Vals AI55.0%49.5%†
Terminal-Bench ScienceVals AI52.9%22.9%†
Arena SearchArena (LMArena)1249–
Arena Agent Task CompletionArena (LMArena)11.75.4†
PostTrainBenchEpoch AI Benchmarking Hub38.8%24.2%†
Vending-Bench 2Andon Labs12860.6†9432.2
SpireClimbEpoch AI Benchmarking Hub23.8%–
AutomationBenchArtificial Analysis64.9%68.1%†
GDP.pdf (AA)Artificial Analysis31.0%30.6%†
Harvey LAB-AA v1.1Harvey6.9%10.0%†
AA-Briefcase v1.1Artificial Analysis15551659†
GDPxGDPx by SemiAnalysis8.4%6.8%†
Design Arena AgenticDesign Arena13751177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis58.1%25.7%†
MKA (AA)Artificial Analysis47.7%47.5%†
FACTS SearchGoogle92.8%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.4%†
ProofBenchVals AI99.0%†84.0%
LiveBench MathematicsLiveBench96.8%96.5%†
ArXivMathMathArena92.8%–
BrokenArXivMathArena83.1%–
Arena MathsArena (LMArena)14991490†
FrontierMath ErdősEpoch AI Benchmarking Hub4.4%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub73.9%–
LiveBench 2.0 Data AnalysisLiveBench82.7%81.6%†
LiveBench ResearchLiveBench90.0%93.0%†
LiveBench 1.0 Data AnalysisLiveBench82.7%81.6%†
AA-Omniscience v1.1Artificial Analysis42.025.1†
PRBench FinanceScale AI SEAL46.2%†58.7%
PRBench LegalScale AI SEAL47.9%†58.4%
BioMysteryBenchVals AI79.6%67.0%†
ClaimBenchVals AI100.0%–
Excel Modeling BenchmarkVals AI70.8%67.1%†
Excel Modeling Benchmark v1.1Vals AI71.1%72.5%†
MedCodeVals AI48.8%–
MedScribeVals AI86.5%–
Public Benefits Bench v1.1Vals AI59.3%70.2%†
Access to Justice BenchmarkVals AI65.8%73.0%†
Financial Coaching BenchVals AI68.5%73.8%†
Immigration BenchVals AI67.8%69.6%†
EBR-benchEpoch AI Benchmarking Hub54.3%31.4%†
GDP.pdfEpoch AI Benchmarking Hub35.0%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis61.8%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis48.1%79.1%†
HealthBench Professional (AA)OpenAI65.1%–
FACTS ParametricGoogle83.8%†–
指令遵循
LiveBench LanguageLiveBench90.1%82.9%†
LiveBench Instruction FollowingLiveBench74.2%73.0%†
MultiChallengeScale AI SEAL82.0%†–
Arena Instruction FollowingArena (LMArena)14821498†
人类偏好
Arena TextArena (LMArena)14811511†
EQ-Bench 4EQ-Bench1272†1325
EQ-Bench Creative Writing v3EQ-Bench–2007
Arena Creative WritingArena (LMArena)14491491†
Arena Multi-turnArena (LMArena)14861525†
Arena Longer QueriesArena (LMArena)14881507†
多模态
Arena VisionArena (LMArena)1286–
LiveBench DesignLiveBench79.6%70.9%†
MMMU-ProArtificial Analysis86.0%83.8%†
SAGEVals AI90.5%–
Humanity's Sixth SenseScale AI SEAL46.6%43.7%†
Blueprint-Bench 2Epoch AI Benchmarking Hub43.2%†31.7%
Furniture AssemblyEpoch AI Benchmarking Hub80.0%54.2%†
VIALS-AAHandshake AI59.0%55.3%†
Code2Video-AAArtificial Analysis1369997†
AA-3DArtificial Analysis1121–
FACTS MultimodalGoogle52.6%†–
长上下文
AA-LCR v1.1Artificial Analysis83.0%80.7%†
MLCRArtificial Analysis38.3%22.2%†
FACTS GroundingGoogle78.0%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub168.5†161.7
LiveBench 2.0LiveBench81.4%70.7%†
LiveBench 1.0LiveBench81.6%81.2%†
AA Intelligence Index v5.0.1Artificial Analysis54.643.6†
AA Intelligence Index v4.3.2Artificial Analysis51.852.4†
AA Progress Index v1Artificial Analysis348.5335.8†
Vals IndexVals AI63.964.9†
Vals Finance IndexVals AI55.8%61.2%†
Vals RSI IndexVals AI26.6%–
Vals Science IndexVals AI59.6%39.1%†
Vals Router IndexVals AI63.9%†64.9%
Vals Legal IndexVals AI68.7%75.3%†
安全与诚实
DistressBenchScale AI SEAL74.2%†85.9%

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 Wonder:BenchLeader Index 63.0 → 64.4。
  • GPT-6.1 Sol (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…);1 项分数修订。
  • GPT-6.1 Sol (max):1 项分数修订。
  • GPT-6.1 Sol (max):1 项分数修订。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • GPT-6.1 Sol (max):1 项新结果(PostTrainBench)。
  • GPT-6.1 Sol (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6.1 Sol (max):BenchLeader Index 67.4 → 66.9。
  • Muse Wonder:1 项新结果(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-6.1 Sol vs Muse Wonder:常见问题

GPT-6.1 Sol 比 Muse Wonder 更好吗?
GPT-6.1 Sol (max) 与 Muse Wonder 的质量不相上下(66.6 比 64.4,在 ±3.6 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-6.1 Sol 和 Muse Wonder 哪个更便宜?价格会变吗?
目前 GPT-6.1 Sol 更便宜:每百万 token $4.00 比 $8.00(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。
GPT-6.1 Sol 和 Muse Wonder 哪个更快?
Muse Wonder 输出更快(输出 70 比 50 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6.1 Sol 还是 Muse Wonder 更好?
Muse Wonder 在智能体任务方面得分更高(类别得分 76 比 64,50 为平均水平)。
处理长文档哪个更好?
两者都约为 1.1M token(GPT-6.1 Sol 为 1,050,000,Muse Wonder 为 1,048,576)。
更多问题(3)
哪个延迟更低?
Muse Wonder 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 3.3 秒比 166.7 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-6.1 Sol 和 Muse Wonder 的看法一致吗?
在两者都有结果的 2 项基准测试中,GPT-6.1 Sol 领先 2 项,Muse Wonder 领先 0 项。第三方来源看法不一:GPT-6.1 Sol 在 AA Intelligence Index v5.0.1 上领先;Muse Wonder 在 Vals Index和Arena Text 上领先。
Muse Wonder 是什么时候发布的?
Muse Wonder 于 2026年10月12日 发布。