BenchLeader

GPT-6.1 Terra vs Muse Spark Open 816B A42B

完整资料:GPT-6.1 Terra(OpenAI)和 Muse Spark Open 816B A42B(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,质量上 GPT-6.1 Terra 领先 Muse Spark Open 816B A42B(BenchLeader Index 64.1 比 58.1)。两者价格相近(每百万 token 混合价格 $2.00 比 $2.00)。在两者都有成绩的所有类别中,GPT-6.1 Terra 均领先。

要点(截至 2026年11月16日)

  • GPT-6.1 Terra 的 BenchLeader Index 为 64.1,Muse Spark Open 816B A42B 为 58.1(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 Open 816B A42B 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 7 项基准测试中,GPT-6.1 Terra 领先 6 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-6.1 Terra类别得分 69 比 65;SciCode 55.1% 比 58.5%中
数学GPT-6.1 Terra类别得分 72 比 59;FrontierMath Tiers 1–3 90.9% 比 69.8%高
推理GPT-6.1 Terra类别得分 68 比 63;GPQA Diamond 94.3% 比 88.6%中
知识均可类别得分 61 比 62;SimpleQA Verified 57.3% 比 56.6%均可
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–
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

  • 质量上 GPT-6.1 Terra (max) 领先:64.1 比 58.1。
  • GPT-6.1 Terra (max) 在编程、数学、推理方面更强。
  • Muse Spark Open 816B A42B (xhigh) 在知识方面更强。
  • 两者价格相近(每百万 token 混合价格 $2.00)。

概览

规格GPT-6.1 TerraMuse Spark Open 816B A42B
提供商OpenAIMeta
发布日期2026年10月26日2026年10月15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 Open 816B A42B (xhigh)
开放权重否是
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 Open 816B A42B (xhigh)领先者
推理68.463.2GPT-6.1 Terra
编程69.365.1GPT-6.1 Terra
智能体与工具63.4–无法比较
数学71.758.7GPT-6.1 Terra
知识61.461.5持平
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推理编程数学知识GPT-6.1 Terra, 推理: 68.4GPT-6.1 Terra, 编程: 69.3GPT-6.1 Terra, 数学: 71.7GPT-6.1 Terra, 知识: 61.4Muse Spark Open 816B A42B, 推理: 63.2Muse Spark Open 816B A42B, 编程: 65.1Muse Spark Open 816B A42B, 数学: 58.7Muse Spark Open 816B A42B, 知识: 61.5

未绘制(测得的模型少于两个):智能体与工具, 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 7 项基准测试中,GPT-6.1 Terra 领先 6 项,Muse Spark Open 816B A42B 领先 1 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 Open 816B A42B (xhigh)领先者
BenchLeader Index64.158.1GPT-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 Open 816B A42B (xhigh)
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/s–
首次回答时间150.9 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 Open 816B A42B (xhigh) 得分 58.1。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 82 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 Open 816B A42B (xhigh)
BenchLeader IndexBenchLeader64.158.1
智能体与工具得分BenchLeader63.4–
编程得分BenchLeader69.365.1
综合得分BenchLeader65.0–
知识得分BenchLeader61.461.5
长上下文得分BenchLeader66.0–
数学得分BenchLeader71.758.7
多模态得分BenchLeader67.2–
推理得分BenchLeader68.463.2
混合价格(美元/百万 token)BenchLeader$2.00$2.00
输出速度BenchLeader72 tok/s–
首次回答时间BenchLeader150.9 秒–
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.3%88.6%
SimpleBenchSimpleBench72.2%†–
LiveBench 2.0 ReasoningLiveBench88.7%–
Humanity's Last Exam (AA)Artificial Analysis46.3%–
HLE-Diamond (AA)Artificial Analysis47.3%–
CritPtArtificial Analysis28.0%–
CritPt v2 hard subset (AA)Artificial Analysis68.0%–
HLE-Diamond (Scale)Scale AI SEAL35.7%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub74.0%–
编程
SciCodeSciCode55.1%58.5%
Arena WebDevArena (LMArena)1678–
LiveBench 2.0 CodingLiveBench89.2%–
SciCode (AA)Artificial Analysis55.1%–
Vibe Code Bench v1.1Vals AI84.0%–
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%–
ALE-BenchEpoch AI Benchmarking Hub2608.81590.1
WeirdML v3WeirdML28.1%†–
Terminal-Bench 4.0 (AA)Artificial Analysis55.6%–
GameBench 2 OverallDuelLab GameBench 281.2†–
GameBench 2 by reasoning settingDuelLab GameBench 285.8†–
Design Arena WebsiteDesign Arena1286†–
显示全部 82 项基准测试
指标发布方GPT-6.1 Terra (max)Muse Spark Open 816B A42B (xhigh)
编程
FrontierCode 1.1 (AA)Artificial Analysis36.0%–
FrontierCode 2.0 (AA)Artificial Analysis42.3%–
智能体与工具
Terminal-BenchTerminal-Bench53.3%–
APEX-AgentsMercor68.3%33.4%†
Arena AgentArena (LMArena)12–
LiveBench Long AgenticLiveBench56.2%–
LiveBench BrowserLiveBench93.1%–
HiL-BenchScale AI SEAL68.0%†–
GDPval-AA v2.1Artificial Analysis1476–
Finance Agent v2.1Vals AI56.0%–
Harvey's Legal Agent Benchmark v1.1Vals AI1.7%–
Legal Research BenchVals AI26.0%–
Tax Agent BenchVals AI17.1%–
Terminal-Bench 4.0 (Vals)Vals AI49.5%–
Arena Agent Task CompletionArena (LMArena)9.7–
Vending-Bench 2Andon Labs9107.5†–
SpireClimbEpoch AI Benchmarking Hub22.3%–
AutomationBenchArtificial Analysis60.2%–
GDP.pdf (AA)Artificial Analysis28.6%–
AA-Briefcase v1.1Artificial Analysis1401–
GDPxGDPx by SemiAnalysis8.5%–
Design Arena AgenticDesign Arena1192†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis57.6%–
MKA (AA)Artificial Analysis43.8%–
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub90.9%69.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub92.7%31.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%98.1%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub57.3%56.6%
LiveBench 2.0 Data AnalysisLiveBench82.3%–
LiveBench ResearchLiveBench79.1%–
AA-Omniscience v1.1Artificial Analysis29.6–
Excel Modeling Benchmark v1.1Vals AI73.3%–
EBR-benchEpoch AI Benchmarking Hub78.1%–
AA-Omniscience v1.1: accuracyArtificial Analysis47.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis65.5%–
FACTS ParametricGoogle70.8%†–
指令遵循
MultiChallengeScale AI SEAL74.2%†–
多模态
LiveBench DesignLiveBench79.7%–
MMMU-ProArtificial Analysis84.7%–
Blueprint-Bench 2Epoch AI Benchmarking Hub42.1%†–
Furniture AssemblyEpoch AI Benchmarking Hub79.2%–
VIALS-AAHandshake AI60.3%–
FACTS MultimodalGoogle48.8%†–
长上下文
AA-LCR v1.1Artificial Analysis82.7%–
MLCRArtificial Analysis30.6%–
FACTS GroundingGoogle84.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub167.7†–
LiveBench 2.0LiveBench78.8%–
AA Intelligence Index v5.0.1Artificial Analysis51.3–
AA Intelligence Index v4.3.2Artificial Analysis48.1–
AA Progress Index v1Artificial Analysis345.2–
Vals IndexVals AI60.5–
Vals Finance IndexVals AI53.3%–
Vals Legal IndexVals AI58.8%–
安全与诚实
FORTRESSScale AI SEAL18.2%†–
DistressBenchScale AI SEAL65.9%†–

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

  • 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)。
  • GPT-6.1 Terra (max):BenchLeader Index 65.2 → 64.7。
  • Muse Spark Open 816B A42B (xhigh):BenchLeader Index 58.6 → 58.1。
  • GPT-6.1 Terra (max):1 项新结果(MirrorCode)。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (max):1 项分数修订。
  • GPT-6.1 Terra (max):1 项分数修订。

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 Open 816B A42B:常见问题

GPT-6.1 Terra 比 Muse Spark Open 816B A42B 更好吗?
质量上 GPT-6.1 Terra (max) 领先:64.1 比 58.1。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-6.1 Terra (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-6.1 Terra 和 Muse Spark Open 816B A42B 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。
编程用 GPT-6.1 Terra 还是 Muse Spark Open 816B A42B 更好?
GPT-6.1 Terra 在编程方面得分更高(类别得分 69 比 65,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,GPT-6.1 Terra 为 55.1%,Muse Spark Open 816B A42B 为 58.5%。
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 Open 816B A42B 为 1,048,576)。
第三方基准测试对 GPT-6.1 Terra 和 Muse Spark Open 816B A42B 的看法一致吗?
在两者都有结果的 7 项基准测试中,GPT-6.1 Terra 领先 6 项,Muse Spark Open 816B A42B 领先 1 项。所有同时评测两者的综合评分都认为 GPT-6.1 Terra 更强。
更多问题(1)
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。