BenchLeader

GPT-6.2 Sol vs Muse Spark

完整资料:GPT-6.2 Sol(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 10 个来源

截至 2026年11月19日,GPT-6.2 Sol 与 Muse Spark 的质量不相上下(BenchLeader Index 64.6 比 64.1,在 ±4.6 的误差范围内)。在两者都有成绩的所有类别中,GPT-6.2 Sol 均领先。

要点(截至 2026年11月19日)

  • GPT-6.2 Sol 的 BenchLeader Index 为 64.6,Muse Spark 为 64.1(BenchLeader,2026年11月19日)。
  • GPT-6.2 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月19日)。
  • 在两者都有结果的 2 项基准测试中,GPT-6.2 Sol 领先 2 项(BenchLeader,2026年11月19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-6.2 Sol类别得分 75 比 65;Vibe Code Bench v1.1 87.6% 比 19.7%高
智能体与工具调用均可类别得分 65 比 65;AA-Briefcase v1.1 1612 比 646均可
推理GPT-6.2 Sol类别得分 70 比 67中
知识GPT-6.2 Sol类别得分 65 比 63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-6.2 Sol (max) 与 Muse Spark 的质量不相上下(64.6 比 64.1,在 ±4.6 的误差范围内)。
  • GPT-6.2 Sol (max) 在智能体与工具、编程、知识、推理方面更强。

概览

规格GPT-6.2 SolMuse Spark
提供商OpenAIMeta
发布日期2026年11月17日2026年4月8日
上下文窗口(token)1,050,000262,144
对比时的配置GPT-6.2 Sol (max)Muse Spark
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–

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-6.2 Sol (max)Muse Spark领先者
推理70.167.4GPT-6.2 Sol
编程74.565.1GPT-6.2 Sol
智能体与工具65.165.0持平
数学–59.1无法比较
知识65.462.8GPT-6.2 Sol
指令遵循–76.2无法比较
人类偏好–68.1无法比较
多模态–64.0无法比较
长上下文–63.6无法比较
综合64.5–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推理编程智能体与工具知识GPT-6.2 Sol, 推理: 70.1GPT-6.2 Sol, 编程: 74.5GPT-6.2 Sol, 智能体与工具: 65.1GPT-6.2 Sol, 知识: 65.4Muse Spark, 推理: 67.4Muse Spark, 编程: 65.1Muse Spark, 智能体与工具: 65.0Muse Spark, 知识: 62.8

未绘制(测得的模型少于两个):数学, 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 2 项基准测试中,GPT-6.2 Sol 领先 2 项,Muse Spark 领先 0 项。

综合 IndexGPT-6.2 Sol (max)Muse Spark领先者
BenchLeader Index64.664.1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-6.2 Sol (max)Muse Spark
每百万 token 混合价格$4.00–
每百万 token 输入 / 输出$2.00 / $10.00– / –
每百万 token 缓存输入$0.100–
每项任务价格:聊天回复$0.0038–
每项任务价格:总结一份 30 页的报告$0.030–
每项任务价格:代码编辑$0.027–
每项任务价格:智能体编程会话$0.160–
每项任务价格:结构化信息提取$0.0060–
智能体编程会话(输入大多命中缓存)$0.074–
每项基准测试任务成本(AA Index)$1.01–
每项任务输出 token(AA Index)40k–
其中推理部分23k–
每项任务耗时(AA Index)9 min–
输出速度74 tok/s–
首次回答时间78.8 秒–

每个模型都按其排名最高的推理强度设置进行对比。GPT-6.2 Sol (max) 得分 64.6,首个回答 token 需 79 秒;GPT-6.2 Sol (xhigh) 为 63.3(32 秒),GPT-6.2 Sol (high) 为 62.3(12 秒)。Muse Spark 得分 64.1。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 113 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-6.2 Sol (max)Muse Spark
BenchLeader IndexBenchLeader64.664.1
智能体与工具得分BenchLeader65.165.0
编程得分BenchLeader74.565.1
综合得分BenchLeader64.5–
知识得分BenchLeader65.462.8
推理得分BenchLeader70.167.4
人类偏好得分BenchLeader–68.1
指令遵循得分BenchLeader–76.2
长上下文得分BenchLeader–63.6
数学得分BenchLeader–59.1
多模态得分BenchLeader–64.0
混合价格(美元/百万 token)BenchLeader$4.00–
输出速度BenchLeader74 tok/s–
首次回答时间BenchLeader78.8 秒–
上下文窗口BenchLeader1,050,000 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–89.8%
Humanity's Last ExamScale AI / CAIS–40.6%
Arena Hard PromptsArena (LMArena)–1506
LiveBench 2.0 ReasoningLiveBench90.6%–
GPQA Diamond (AA)Artificial Analysis–88.4%
Humanity's Last Exam (AA)Artificial Analysis–40.7%
HLE-Diamond (AA)Artificial Analysis64.0%–
GPQA Diamond (Vals)Vals AI–89.7%
Kagi LLM BenchmarkKagi LLM Benchmark67.0%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize85.8%–
ARC-AGI-3ARC Prize98.2%–
CritPtArtificial Analysis–11.3%
CritPt v2 hard subset (AA)Artificial Analysis62.5%–
MysteryMechanismVals AI36.9%–
HLE-Diamond (Scale)Scale AI SEAL56.5%†–
Arena ExpertArena (LMArena)–1490
编程
SciCodeSciCode–51.5%
Arena CodingArena (LMArena)–1529
Arena WebDevArena (LMArena)1757–
LiveBench 2.0 CodingLiveBench83.7%–
SWE-bench (Vals)Vals AI–74.4%
SWE-Bench ProScale AI SEAL–55.0%
Vibe Code Bench v1.1Vals AI87.6%19.7%
Vibe Code Bench 1-100 v1.1Vals AI40.9%–
显示全部 113 项基准测试
指标发布方GPT-6.2 Sol (max)Muse Spark
编程
SWE-Bench Pro (private)Scale AI SEAL–44.7%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–24.2%
SWE Atlas v1.0: Test WritingScale AI SEAL–31.1%
SWE Atlas v1.1Scale AI SEAL60.5%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL61.3%†–
SWE Atlas v1.1: Test WritingScale AI SEAL64.4%†–
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis60.1%–
Terminal-Bench 2.1 (AA)Artificial Analysis–62.2%
FrontierCode 2.0 (AA)Artificial Analysis44.4%–
智能体与工具
Terminal-BenchTerminal-Bench61.5%–
Arena AgentArena (LMArena)11.3–
LiveBench Long AgenticLiveBench63.6%–
LiveBench BrowserLiveBench88.2%–
Terminal-Bench HardArtificial Analysis–45.5%
τ²-Bench Telecom (AA)Artificial Analysis–91.5%
MCP AtlasScale AI SEAL–82.2%
GDPval-AA v2.1Artificial Analysis–1006
Analyst Agent (AA)Artificial Analysis53.8%–
Finance Agent v2.1Vals AI58.9%–
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%–
Legal Research BenchVals AI37.0%–
Tax Agent BenchVals AI24.8%–
Terminal-Bench 2.0 (Vals)Vals AI–59.5%
Terminal-Bench 4.0 (Vals)Vals AI60.6%–
Terminal-Bench ScienceVals AI58.6%–
Arena Agent Task CompletionArena (LMArena)10.9–
AutomationBenchArtificial Analysis71.3%–
GDP.pdf (AA)Artificial Analysis30.0%–
Harvey LAB-AA v1.1Harvey11.1%–
EnterpriseOps-GymArtificial Analysis28.9%–
AA-Briefcase v1.1Artificial Analysis1612646
Terminal-Bench-Science 0.1 (AA)Artificial Analysis67.6%–
CWE-Bench (AA)Artificial Analysis61.7%–
DeepSec-Bench (AA)Artificial Analysis51.6%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub–88.9%
ProofBenchVals AI–17.0%
AIME (Vals)Vals AI–96.9%
Autoform-HardVals AI85.7%–
Arena MathsArena (LMArena)–1468
知识
LiveBench 2.0 Data AnalysisLiveBench81.1%–
LiveBench ResearchLiveBench90.1%–
AA-Omniscience v1.1Artificial Analysis40.4–
MMLU-ProVals AI–87.3%
LegalBenchVals AI–84.2%
CorpFinVals AI–65.1%
TaxEvalVals AI–77.7%
PRBench FinanceScale AI SEAL–52.4%
PRBench LegalScale AI SEAL43.3%†52.3%
MultiNRCScale AI SEAL–59.0%
BioMysteryBenchVals AI77.8%–
CaseLaw v2Vals AI–63.1%
Excel Modeling Benchmark v1.1Vals AI74.3%–
MedCodeVals AI–51.3%
MedScribeVals AI–85.9%
DrugDiscoveryBenchScale AI SEAL62.2%†–
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis44.6%–
指令遵循
IFBenchArtificial Analysis–75.9%
MultiChallengeScale AI SEAL72.0%†75.5%
TutorBenchScale AI SEAL–68.5%
Arena Instruction FollowingArena (LMArena)–1465
人类偏好
Arena TextArena (LMArena)–1489
Arena Creative WritingArena (LMArena)–1465
Arena Multi-turnArena (LMArena)–1493
Arena Longer QueriesArena (LMArena)–1476
多模态
Arena VisionArena (LMArena)–1306
LiveBench DesignLiveBench80.0%–
MMMU-ProArtificial Analysis–80.5%
MMMU-Pro (Vals)Vals AI–87.4%
Humanity's Sixth SenseScale AI SEAL56.8%†–
VIALS-AAHandshake AI62.7%–
AA-3DArtificial Analysis1259–
长上下文
AA-LCR v1.1Artificial Analysis–78.0%
Arena DocumentArena (LMArena)–1467
MLCRArtificial Analysis37.2%–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–153.2
LiveBench 2.0LiveBench80.3%–
AA Intelligence Index v5.0.1Artificial Analysis57.3–
AA Intelligence Index v4.3.2Artificial Analysis–31.3
AA Progress Index v1Artificial Analysis–289.1
Vals IndexVals AI66.1–
Vals Finance IndexVals AI56.7%–
Vals Science IndexVals AI57.8%–
Vals Legal IndexVals AI66.7%–
AA Cyber IndexArtificial Analysis37.8–
安全与诚实
FORTRESSScale AI SEAL–20.2%

数据截至 2026年11月19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。

变化

  • GPT-6.2 Sol (max):BenchLeader Index 63.2 → 64.6。
  • GPT-6.2 Sol (max):4 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Sol (max):BenchLeader Index 62.4 → 63.2。
  • GPT-6.2 Sol (max):2 项新结果(Vibe Code Bench 1-100 v1.1, Terminal-Bench)。
  • Muse Spark:2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:1 项分数修订。
  • Muse Spark:1 项新结果(AA Progress Index v1)。

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-6.2 Sol vs Muse Spark:常见问题

GPT-6.2 Sol 比 Muse Spark 更好吗?
GPT-6.2 Sol (max) 与 Muse Spark 的质量不相上下(64.6 比 64.1,在 ±4.6 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19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-6.2 Sol 还是 Muse Spark 更好?
GPT-6.2 Sol 在编程方面得分更高(类别得分 75 比 65,50 为平均水平)。
智能体和工具调用用 GPT-6.2 Sol 还是 Muse Spark 更好?
两者在智能体任务方面持平(类别得分 65 比 65)。
处理长文档哪个更好?
GPT-6.2 Sol 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-6.2 Sol 和 Muse Spark 的看法一致吗?
在两者都有结果的 2 项基准测试中,GPT-6.2 Sol 领先 2 项,Muse Spark 领先 0 项。
更多问题(1)
GPT-6.2 Sol 是什么时候发布的?
GPT-6.2 Sol 于 2026年11月17日 发布。