BenchLeader

GPT-6.1 Terra vs Muse Spark 1.3

完整资料:GPT-6.1 Terra(OpenAI)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 14 个来源

截至 2026年11月16日,GPT-6.1 Terra 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 64.1 比 61.6,在 ±8.4 的误差范围内)。两者价格相近(每百万 token 混合价格 $2.00 比 $2.00)。看重数学(72 比 56)和智能体与工具(63 比 61)选 GPT-6.1 Terra;看重知识(81 比 61)和推理(71 比 68)选 Muse Spark 1.3。Muse Spark 1.3 的首次回答更快(2.6 秒 比 150.9 秒)。Muse Spark 1.3 的输出更快。

要点(截至 2026年11月16日)

  • GPT-6.1 Terra 的 BenchLeader Index 为 64.1,Muse Spark 1.3 为 61.6(BenchLeader,2026年11月16日)。
  • GPT-6.1 Terra 每百万 token 混合价格为 $2.00(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 GPT-6.1 Terra 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 1 项基准测试中,GPT-6.1 Terra 领先 1 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GPT-6.1 Terra类别得分 63 比 61;APEX-Agents 68.3% 比 58.6%中
数学GPT-6.1 Terra类别得分 72 比 56高
推理Muse Spark 1.3类别得分 71 比 68中
知识Muse Spark 1.3类别得分 81 比 61高
成本最低均可每百万 token 混合价格 $2.00 比 $2.00;智能体编程会话 $0.080 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 150.9 秒(GPT-6.1 Terra (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 Terra (max) 与 Muse Spark 1.3 的质量不相上下(64.1 比 61.6,在 ±8.4 的误差范围内)。
  • GPT-6.1 Terra (max) 在智能体与工具、数学方面更强。
  • Muse Spark 1.3 在知识、推理方面更强。
  • 两者价格相近(每百万 token 混合价格 $2.00)。
  • Muse Spark 1.3 的输出速度是对方的 2.3 倍(163 比 72 token/秒)。

概览

规格GPT-6.1 TerraMuse Spark 1.3
提供商OpenAIMeta
发布日期2026年10月26日2026年9月2日
上下文窗口(token)1,050,0001,048,576
对比时的配置GPT-6.1 Terra (max)Muse Spark 1.3
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.00 / $5.00 / $0.050$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-6.1 Terra (max)Muse Spark 1.3领先者
推理68.471.0Muse Spark 1.3
编程69.3–无法比较
智能体与工具63.461.3GPT-6.1 Terra
数学71.756.3GPT-6.1 Terra
知识61.481.2Muse Spark 1.3
多模态67.2–无法比较
长上下文66.0–无法比较
综合65.0–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GPT-6.1 Terra, 推理: 68.4GPT-6.1 Terra, 智能体与工具: 63.4GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知识: 61.4Muse 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 1 项基准测试中,GPT-6.1 Terra 领先 1 项,Muse Spark 1.3 领先 0 项。所有同时评测两者的综合评分都认为 GPT-6.1 Terra 更强。

综合 IndexGPT-6.1 Terra (max)Muse Spark 1.3领先者
BenchLeader Index64.161.6不相上下
AA Intelligence Index v5.0.151.336.6†GPT-6.1 Terra

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 Terra (max)Muse Spark 1.3
每百万 token 混合价格$2.00$2.00
每百万 token 输入 / 输出$1.00 / $5.00$1.25 / $4.25
每百万 token 缓存输入$0.050$0.150
每项任务价格:聊天回复$0.0019$0.0018
每项任务价格:总结一份 30 页的报告$0.015$0.018
每项任务价格:代码编辑$0.013$0.014
每项任务价格:智能体编程会话$0.080$0.092
每项任务价格:结构化信息提取$0.0030$0.0034
智能体编程会话(输入大多命中缓存)$0.037$0.043
每项基准测试任务成本(AA Index)$0.961–
每项任务输出 token(AA Index)60k–
其中推理部分39k–
每项任务耗时(AA Index)14 min–
输出速度72 tok/s163 tok/s
首次回答时间150.9 秒2.6 秒
完整回答耗时(最近一次测量 2026年11月13日)375.7 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 Terra (max) 得分 64.1,首个回答 token 需 151 秒;GPT-6.1 Terra (xhigh) 为 60.0(30 秒),GPT-6.1 Terra (high) 为 59.6(10 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 146 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 Terra (max)Muse Spark 1.3
BenchLeader IndexBenchLeader64.161.6
智能体与工具得分BenchLeader63.461.3
编程得分BenchLeader69.3–
综合得分BenchLeader65.0–
知识得分BenchLeader61.481.2
长上下文得分BenchLeader66.0–
数学得分BenchLeader71.756.3
多模态得分BenchLeader67.2–
推理得分BenchLeader68.471.0
混合价格(美元/百万 token)BenchLeader$2.00$2.00
输出速度BenchLeader72 tok/s163 tok/s
首次回答时间BenchLeader150.9 秒2.6 秒
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.3%–
SimpleBenchSimpleBench72.2%†81.8%
Arena Hard PromptsArena (LMArena)–1517†
LiveBench 2.0 ReasoningLiveBench88.7%89.7%†
LiveBench 1.0 ReasoningLiveBench–89.7%†
GPQA Diamond (AA)Artificial Analysis–93.5%†
Humanity's Last Exam (AA)Artificial Analysis46.3%48.7%†
HLE-Diamond (AA)Artificial Analysis47.3%33.7%†
CritPtArtificial Analysis28.0%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis68.0%48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL35.7%†25.4%
Arena ExpertArena (LMArena)–1521†
Chess PuzzlesEpoch AI Benchmarking Hub–37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%25.0%†
LMCAEpoch AI Benchmarking Hub–53.9%
DTBenchEpoch AI Benchmarking Hub–96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SciCodeSciCode55.1%58.8%†
Arena CodingArena (LMArena)–1534†
Arena WebDevArena (LMArena)16781655†
LiveBench 2.0 CodingLiveBench89.2%84.4%†
LiveBench 1.0 CodingLiveBench–81.1%†
IOIVals AI–56.6%†
显示全部 146 项基准测试
指标发布方GPT-6.1 Terra (max)Muse Spark 1.3
编程
Code MigrationVals AI–47.4%†
ProgramBenchVals AI–2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI84.0%85.9%†
SWE Atlas v1.1Scale AI SEAL57.7%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL54.0%†–
SWE Atlas v1.1: Test WritingScale AI SEAL63.3%†–
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†–
MirrorCodeEpoch AI Benchmarking Hub76.7%54.4%†
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub2608.81688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML28.1%†6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 281.2†57.7
GameBench 2 by reasoning settingDuelLab GameBench 285.8†68.5†
Design Arena WebsiteDesign Arena1286†1353†
FrontierCode 1.1 (AA)Artificial Analysis36.0%40.6%†
FrontierCode 2.0 (AA)Artificial Analysis42.3%23.1%†
智能体与工具
Terminal-BenchTerminal-Bench53.3%14.8%†
APEX-AgentsMercor68.3%58.6%
Arena AgentArena (LMArena)122.2†
LiveBench Long AgenticLiveBench56.2%47.9%†
LiveBench BrowserLiveBench93.1%30.9%†
LiveBench Agentic CodingLiveBench–64.1%†
Terminal-Bench 2.1 (Vals)Vals AI–79.0%†
HiL-BenchScale AI SEAL68.0%†66.9%
GDPval-AA v2.1Artificial Analysis14761681†
τ³-Banking (AA)Artificial Analysis–50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI–60.0%†
Finance Agent v2.1Vals AI56.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%–
Harvey's Legal Agent Benchmark v1Vals AI–23.8%†
Legal Research BenchVals AI26.0%55.3%†
SREBenchVals AI–3.8%†
Tax Agent BenchVals AI17.1%42.4%†
Terminal-Bench 4.0 (Vals)Vals AI49.5%24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena Agent Task CompletionArena (LMArena)9.73.7†
Vending-Bench 2Andon Labs9107.5†–
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%57.9%†
GDP.pdf (AA)Artificial Analysis28.6%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis14011581†
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1192†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
MKA (AA)Artificial Analysis43.8%–
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.9%74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub92.7%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.2%†
ProofBenchVals AI–55.0%
LiveBench MathematicsLiveBench–96.0%†
Arena MathsArena (LMArena)–1506†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%–
LiveBench 2.0 Data AnalysisLiveBench82.3%79.6%†
LiveBench ResearchLiveBench79.1%82.5%†
LiveBench 1.0 Data AnalysisLiveBench–79.6%†
AA-Omniscience v1.1Artificial Analysis29.622.4†
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
Excel Modeling BenchmarkVals AI–67.4%†
Excel Modeling Benchmark v1.1Vals AI73.3%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
EBR-benchEpoch AI Benchmarking Hub78.1%–
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%74.8%†
FACTS ParametricGoogle70.8%†–
指令遵循
LiveBench LanguageLiveBench–82.8%†
LiveBench Instruction FollowingLiveBench–78.0%†
MultiChallengeScale AI SEAL74.2%†–
Arena Instruction FollowingArena (LMArena)–1485†
人类偏好
Arena TextArena (LMArena)–1497†
EQ-Bench Creative Writing v3EQ-Bench–1907
Arena Creative WritingArena (LMArena)–1468†
Arena Multi-turnArena (LMArena)–1493†
Arena Longer QueriesArena (LMArena)–1498†
多模态
Arena VisionArena (LMArena)–1310†
LiveBench DesignLiveBench79.7%74.8%†
MMMU-ProArtificial Analysis84.7%82.0%†
Humanity's Sixth SenseScale AI SEAL–37.4%†
GeoBenchGeoBench–86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub42.1%†–
Furniture AssemblyEpoch AI Benchmarking Hub79.2%–
VIALS-AAHandshake AI60.3%–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
FACTS MultimodalGoogle48.8%†–
长上下文
AA-LCR v1.1Artificial Analysis82.7%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis30.6%13.9%†
FACTS GroundingGoogle84.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†158.2
LiveBench 2.0LiveBench78.8%68.6%†
LiveBench 1.0LiveBench–81.6%†
AA Intelligence Index v5.0.1Artificial Analysis51.336.6†
AA Intelligence Index v4.3.2Artificial Analysis48.148.1†
AA Progress Index v1Artificial Analysis345.2324.5†
Vals IndexVals AI60.5–
Vals Finance IndexVals AI53.3%–
Vals RSI IndexVals AI–19.6%†
Vals Legal IndexVals AI58.8%–
AA Cyber IndexArtificial Analysis–44.3†
安全与诚实
FORTRESSScale AI SEAL18.2%†–
DistressBenchScale AI SEAL65.9%†84.9%

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 Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • GPT-6.1 Terra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6.1 Terra (max):BenchLeader Index 64.7 → 64.1。
  • GPT-6.1 Terra (max):1 项新结果(Terminal-Bench)。
  • Muse Spark 1.3:1 项分数修订。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • GPT-6.1 Terra (max):1 项新结果(MirrorCode)。
  • Muse Spark 1.3:2 项新结果(SimpleBench, GeoBench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。

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 Terra vs Muse Spark 1.3:常见问题

GPT-6.1 Terra 比 Muse Spark 1.3 更好吗?
GPT-6.1 Terra (max) 与 Muse Spark 1.3 的质量不相上下(64.1 比 61.6,在 ±8.4 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。
GPT-6.1 Terra 和 Muse Spark 1.3 哪个更便宜?价格会变吗?
两者价格相同:每百万 token 混合价格 $2.00。两者均未公布价格调整。
GPT-6.1 Terra 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.3 输出更快(输出 163 比 72 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6.1 Terra 还是 Muse Spark 1.3 更好?
GPT-6.1 Terra 在智能体任务方面得分更高(类别得分 63 比 61,50 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,GPT-6.1 Terra 为 68.3%,Muse Spark 1.3 为 58.6%。
处理长文档哪个更好?
两者都约为 1.1M token(GPT-6.1 Terra 为 1,050,000,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 150.9 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 Terra 和 Muse Spark 1.3 的看法一致吗?
在两者都有结果的 1 项基准测试中,GPT-6.1 Terra 领先 1 项,Muse Spark 1.3 领先 0 项。所有同时评测两者的综合评分都认为 GPT-6.1 Terra 更强。
GPT-6.1 Terra 是什么时候发布的?
GPT-6.1 Terra 于 2026年10月26日 发布。