BenchLeader

GPT-6.2 Sol vs Muse Spark 1.1

完整资料:GPT-6.2 Sol(OpenAI)和 Muse Spark 1.1(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月19日,GPT-6.2 Sol 与 Muse Spark 1.1 的质量不相上下(BenchLeader Index 64.6 比 61.8,在 ±6.4 的误差范围内)。Muse Spark 1.1 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $2.00 比 $4.00)。看重智能体与工具(65 比 50)、编程(75 比 66)和推理(70 比 68)选 GPT-6.2 Sol;看重知识(68 比 65)选 Muse Spark 1.1。Muse Spark 1.1 的首次回答更快(1.5 秒 比 78.8 秒)。Muse Spark 1.1 的输出更快(约 2 倍)。

要点(截至 2026年11月19日)

  • GPT-6.2 Sol 的 BenchLeader Index 为 64.6,Muse Spark 1.1 为 61.8(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)。
  • Muse Spark 1.1 每百万 token 混合价格为 $2.00(标价,2026年11月19日)。
  • Muse Spark 1.1 比 GPT-6.2 Sol 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 3 项基准测试中,GPT-6.2 Sol 领先 3 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,GPT-6.2 Sol 的评分为 1757,Muse Spark 1.1 为 1541(LMArena,截至 2026年11月19日 的公布数据)。

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 66;Arena WebDev 1757 比 1541高
智能体与工具调用GPT-6.2 Sol类别得分 65 比 50;Arena Agent 11.3 比 -9高
推理GPT-6.2 Sol类别得分 70 比 68中
知识Muse Spark 1.1类别得分 68 比 65中
对话质量(人类偏好)–只有 Muse Spark 1.1 有 Arena 评分(类别得分 65)无法比较
成本最低Muse Spark 1.1每百万 token 混合价格 $2.00 比 $4.00;智能体编程会话 $0.092 比 $0.160–
首次回答最快Muse Spark 1.1首个回答 token 1.5 秒(Muse Spark 1.1)比 78.8 秒(GPT-6.2 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-6.2 Sol (max) 与 Muse Spark 1.1 的质量不相上下(64.6 比 61.8,在 ±6.4 的误差范围内)。
  • GPT-6.2 Sol (max) 在智能体与工具、编程、推理方面更强。
  • Muse Spark 1.1 在知识方面更强。
  • Muse Spark 1.1 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $2.00 比 $4.00)。
  • Muse Spark 1.1 的输出速度是对方的 2.7 倍(198 比 74 token/秒)。

概览

规格GPT-6.2 SolMuse Spark 1.1
提供商OpenAIMeta
发布日期2026年11月17日2026年7月9日
上下文窗口(token)1,050,0001,048,576
对比时的配置GPT-6.2 Sol (max)Muse Spark 1.1
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$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-6.2 Sol (max)Muse Spark 1.1领先者
推理70.167.8GPT-6.2 Sol
编程74.565.5GPT-6.2 Sol
智能体与工具65.150.4GPT-6.2 Sol
数学–61.3无法比较
知识65.468.3Muse Spark 1.1
指令遵循–68.7无法比较
人类偏好–64.5无法比较
多模态–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 1.1, 推理: 67.8Muse Spark 1.1, 编程: 65.5Muse Spark 1.1, 智能体与工具: 50.4Muse Spark 1.1, 知识: 68.3

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 3 项基准测试中,GPT-6.2 Sol 领先 3 项,Muse Spark 1.1 领先 0 项。

综合 IndexGPT-6.2 Sol (max)Muse Spark 1.1领先者
BenchLeader Index64.661.8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 1.1
每百万 token 混合价格$4.00$2.00
每百万 token 输入 / 输出$2.00 / $10.00$1.25 / $4.25
每百万 token 缓存输入$0.100$0.150
每项任务价格:聊天回复$0.0038$0.0018
每项任务价格:总结一份 30 页的报告$0.030$0.018
每项任务价格:代码编辑$0.027$0.014
每项任务价格:智能体编程会话$0.160$0.092
每项任务价格:结构化信息提取$0.0060$0.0034
智能体编程会话(输入大多命中缓存)$0.074$0.043
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/s198 tok/s
首次回答时间78.8 秒1.5 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 1.1 得分 61.8,首个回答 token 需 2 秒;Muse Spark 1.1 (xhigh) 为 59.5(12 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 137 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 1.1
BenchLeader IndexBenchLeader64.661.8
智能体与工具得分BenchLeader65.150.4
编程得分BenchLeader74.565.5
综合得分BenchLeader64.5–
知识得分BenchLeader65.468.3
推理得分BenchLeader70.167.8
人类偏好得分BenchLeader–64.5
指令遵循得分BenchLeader–68.7
数学得分BenchLeader–61.3
多模态得分BenchLeader–63.6
混合价格(美元/百万 token)BenchLeader$4.00$2.00
输出速度BenchLeader74 tok/s198 tok/s
首次回答时间BenchLeader78.8 秒1.5 秒
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
Arena Hard PromptsArena (LMArena)–1511
LiveBench 2.0 ReasoningLiveBench90.6%–
LiveBench 1.0 ReasoningLiveBench–87.7%†
GPQA Diamond (AA)Artificial Analysis–89.8%†
Humanity's Last Exam (AA)Artificial Analysis–46.2%†
HLE-Diamond (AA)Artificial Analysis64.0%–
GPQA Diamond (Vals)Vals AI–91.2%†
Kagi LLM BenchmarkKagi LLM Benchmark67.0%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize85.8%–
ARC-AGI-3ARC Prize98.2%–
CritPtArtificial Analysis–15.1%†
CritPt v2 hard subset (AA)Artificial Analysis62.5%–
MysteryMechanismVals AI36.9%–
HLE-Diamond (Scale)Scale AI SEAL56.5%†–
Arena ExpertArena (LMArena)–1503
Chess PuzzlesEpoch AI Benchmarking Hub–34.0%†
LMCAEpoch AI Benchmarking Hub–49.9%†
DTBenchEpoch AI Benchmarking Hub–94.4%†
编程
SciCodeSciCode–58.8%
Arena CodingArena (LMArena)–1533
Arena WebDevArena (LMArena)17571541
LiveBench 2.0 CodingLiveBench83.7%–
LiveBench 1.0 CodingLiveBench–77.2%†
LiveCodeBenchVals AI–85.9%†
显示全部 137 项基准测试
指标发布方GPT-6.2 Sol (max)Muse Spark 1.1
编程
SWE-bench (Vals)Vals AI–82.0%†
SWE-Bench ProScale AI SEAL–61.5%
Code MigrationVals AI–31.1%†
ProgramBenchVals AI–0.0%†
Vibe Code Bench v1.1Vals AI87.6%72.2%†
Vibe Code Bench 1-100 v1.1Vals AI40.9%–
SWE-Bench Pro (private)Scale AI SEAL–51.5%
SWE Atlas v1.0: Codebase QnAScale AI SEAL–42.2%†
SWE Atlas v1.0: Test WritingScale AI SEAL–41.5%†
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%†–
Surface Evolver BenchEpoch AI Benchmarking Hub–52.5%†
DeepSWE v1.1Epoch AI Benchmarking Hub–53.3%
Terminal-Bench 4.0 (AA)Artificial Analysis60.1%6.1%†
Terminal-Bench 2.1 (AA)Artificial Analysis–77.9%†
Design Arena WebsiteDesign Arena–1268
FrontierCode 2.0 (AA)Artificial Analysis44.4%–
智能体与工具
Terminal-BenchTerminal-Bench61.5%–
APEX-AgentsMercor–31.8%
Arena AgentArena (LMArena)11.3-9
LiveBench Long AgenticLiveBench63.6%–
LiveBench BrowserLiveBench88.2%–
LiveBench Agentic CodingLiveBench–58.5%†
Terminal-Bench 2.1 (Vals)Vals AI–69.3%†
MCP AtlasScale AI SEAL–88.1%
τ³-bench Bankingτ²-bench–40.5%†
GDPval-AA v2.1Artificial Analysis–1216†
τ³-Banking (AA)Artificial Analysis–31.8%†
Analyst Agent (AA)Artificial Analysis53.8%–
Finance Agent v2Vals AI–57.2%†
Finance Agent v2.1Vals AI58.9%–
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%–
Harvey's Legal Agent Benchmark v1Vals AI–20.0%†
Legal Research BenchVals AI37.0%38.0%†
SkillsBenchVals AI–59.2%†
Tax Agent BenchVals AI24.8%–
Terminal-Bench 4.0 (Vals)Vals AI60.6%–
Terminal-Bench ScienceVals AI58.6%–
Time Horizon Index: KSPVals AI–1.7%†
Arena Agent Task CompletionArena (LMArena)10.9-7.3
GBAEvalEpoch AI Benchmarking Hub–7.9%
Vending-Bench 2Andon Labs–6520.5
AutomationBenchArtificial Analysis71.3%38.9%†
GDP.pdf (AA)Artificial Analysis30.0%14.4%†
Harvey LAB-AA v1.1Harvey11.1%–
EnterpriseOps-GymArtificial Analysis28.9%–
AA-Briefcase v1.1Artificial Analysis1612851†
Design Arena AgenticDesign Arena–1163
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
ProofBenchVals AI–39.0%
LiveBench MathematicsLiveBench–87.1%†
Autoform-HardVals AI85.7%–
Arena MathsArena (LMArena)–1494
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–57.8%
LiveBench 2.0 Data AnalysisLiveBench81.1%–
LiveBench ResearchLiveBench90.1%–
LiveBench 1.0 Data AnalysisLiveBench–72.5%†
AA-Omniscience v1.1Artificial Analysis40.4–
MMLU-ProVals AI–88.7%†
LegalBenchVals AI–85.0%†
CorpFinVals AI–71.3%†
TaxEvalVals AI–79.7%†
PRBench FinanceScale AI SEAL–55.0%
PRBench LegalScale AI SEAL43.3%†57.0%
MultiNRCScale AI SEAL–65.6%
BioMysteryBenchVals AI77.8%–
Excel Modeling BenchmarkVals AI–56.4%†
Excel Modeling Benchmark v1.1Vals AI74.3%–
MedScribeVals AI–88.9%†
Public Benefits Bench v1.1Vals AI–61.3%†
DrugDiscoveryBenchScale AI SEAL62.2%†–
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis44.6%–
指令遵循
LiveBench LanguageLiveBench–74.3%†
LiveBench Instruction FollowingLiveBench–69.6%†
MultiChallengeScale AI SEAL72.0%†75.3%
Arena Instruction FollowingArena (LMArena)–1473
人类偏好
Arena TextArena (LMArena)–1491
EQ-Bench 4EQ-Bench–1244
EQ-Bench Creative Writing v3EQ-Bench–1928
Arena Creative WritingArena (LMArena)–1443
Arena Multi-turnArena (LMArena)–1497
Arena Longer QueriesArena (LMArena)–1481
多模态
Arena VisionArena (LMArena)–1292
LiveBench DesignLiveBench80.0%–
MMMU-Pro (Vals)Vals AI–86.6%†
MortgageTaxVals AI–66.1%†
Humanity's Sixth SenseScale AI SEAL56.8%†–
VTBScale AI SEAL–44.8%
VIALS-AAHandshake AI62.7%–
AA-3DArtificial Analysis1259–
长上下文
AA-LCR v1.1Artificial Analysis–77.7%†
Arena DocumentArena (LMArena)–1480
MLCRArtificial Analysis37.2%7.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–154.9
LiveBench 2.0LiveBench80.3%–
LiveBench 1.0LiveBench–75.3%†
AA Intelligence Index v5.0.1Artificial Analysis57.3–
AA Intelligence Index v4.3.2Artificial Analysis–33.7†
AA Progress Index v1Artificial Analysis–302.7†
Vals IndexVals AI66.1–
Vals Finance IndexVals AI56.7%–
Vals Science IndexVals AI57.8%–
Vals Multimodal IndexVals AI–66.7%†
Vals Legal IndexVals AI66.7%–
AA Cyber IndexArtificial Analysis37.8–
安全与诚实
FORTRESSScale AI SEAL–12.4%

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。
  • Muse Spark 1.1:BenchLeader Index 62.5 → 62.0。
  • GPT-6.2 Sol (max):2 项新结果(Vibe Code Bench 1-100 v1.1, Terminal-Bench)。
  • Muse Spark 1.1:1 项分数修订。
  • Muse Spark 1.1:2 项分数修订。
  • Muse Spark 1.1:1 项分数修订。
  • Muse Spark 1.1:2 项分数修订。
  • Muse Spark 1.1:1 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-6.2 Sol vs Muse Spark 1.1:常见问题

GPT-6.2 Sol 比 Muse Spark 1.1 更好吗?
GPT-6.2 Sol (max) 与 Muse Spark 1.1 的质量不相上下(64.6 比 61.8,在 ±6.4 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。
GPT-6.2 Sol 和 Muse Spark 1.1 哪个更便宜?价格会变吗?
目前 Muse Spark 1.1 更便宜:每百万 token $2.00 比 $4.00(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。
编程用 GPT-6.2 Sol 还是 Muse Spark 1.1 更好?
GPT-6.2 Sol 在编程方面得分更高(类别得分 75 比 66,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-6.2 Sol 为 1757,Muse Spark 1.1 为 1541。
GPT-6.2 Sol 和 Muse Spark 1.1 哪个更快?
Muse Spark 1.1 输出更快(约 2 倍;输出 198 比 74 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6.2 Sol 还是 Muse Spark 1.1 更好?
GPT-6.2 Sol 在智能体任务方面得分更高(类别得分 65 比 50,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,GPT-6.2 Sol 为 11.3,Muse Spark 1.1 为 -9。
更多问题(4)
处理长文档哪个更好?
两者都约为 1.1M token(GPT-6.2 Sol 为 1,050,000,Muse Spark 1.1 为 1,048,576)。
哪个延迟更低?
Muse Spark 1.1 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.5 秒比 78.8 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-6.2 Sol 和 Muse Spark 1.1 的看法一致吗?
在两者都有结果的 3 项基准测试中,GPT-6.2 Sol 领先 3 项,Muse Spark 1.1 领先 0 项。
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。