BenchLeader

GPT-6.2 Sol vs Muse Wonder Full

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

更新于 · 数据来自 9 个来源

截至 2026年11月19日,质量上 GPT-6.2 Sol 领先 Muse Wonder Full(BenchLeader Index 64.6 比 60.8)。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 Wonder Full 为 60.8(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)。
  • 在两者都有结果的 29 项基准测试中,GPT-6.2 Sol 领先 17 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,GPT-6.2 Sol 的评分为 1757,Muse Wonder Full 为 1723(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 69;Arena WebDev 1757 比 1723中
智能体与工具调用GPT-6.2 Sol类别得分 65 比 61;Arena Agent 11.3 比 8中
推理GPT-6.2 Sol类别得分 70 比 64;HLE-Diamond (AA) 64.0% 比 48.5%中
知识GPT-6.2 Sol类别得分 65 比 62;AA-Omniscience v1.1 40.4 比 30.6中
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-6.2 Sol (max) 领先:64.6 比 60.8。
  • 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 Wonder Full
提供商OpenAIMeta
发布日期2026年11月17日2026年10月12日
上下文窗口(token)1,050,0001,000,000
对比时的配置GPT-6.2 Sol (max)Muse Wonder Full (max)
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 Wonder Full (max)领先者
推理70.164.1GPT-6.2 Sol
编程74.568.5GPT-6.2 Sol
智能体与工具65.160.8GPT-6.2 Sol
知识65.461.7GPT-6.2 Sol
长上下文–66.6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 Wonder Full, 推理: 64.1Muse Wonder Full, 编程: 68.5Muse Wonder Full, 智能体与工具: 60.8Muse Wonder Full, 知识: 61.7

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 29 项基准测试中,GPT-6.2 Sol 领先 17 项,Muse Wonder Full 领先 12 项。第三方来源看法不一:GPT-6.2 Sol 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先;Muse Wonder Full 在 Vals Index 上领先。

综合 IndexGPT-6.2 Sol (max)Muse Wonder Full (max)领先者
BenchLeader Index64.660.8GPT-6.2 Sol
AA Intelligence Index v5.0.157.350.1GPT-6.2 Sol
Vals Index66.166.8Muse Wonder Full

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 Wonder Full (max)
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)40k88k
其中推理部分23k55k
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 Wonder Full (max) 得分 60.8。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 94 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 Wonder Full (max)
BenchLeader IndexBenchLeader64.660.8
智能体与工具得分BenchLeader65.160.8
编程得分BenchLeader74.568.5
综合得分BenchLeader64.5–
知识得分BenchLeader65.461.7
推理得分BenchLeader70.164.1
长上下文得分BenchLeader–66.6
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 token1,000,000 token
推理
LiveBench 2.0 ReasoningLiveBench90.6%–
Humanity's Last Exam (AA)Artificial Analysis–53.6%
HLE-Diamond (AA)Artificial Analysis64.0%48.5%
Kagi LLM BenchmarkKagi LLM Benchmark67.0%†–
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize85.8%–
ARC-AGI-3ARC Prize98.2%–
CritPtArtificial Analysis–32.9%
CritPt v2 hard subset (AA)Artificial Analysis62.5%56.5%
MysteryMechanismVals AI36.9%35.1%
HLE-Diamond (Scale)Scale AI SEAL56.5%†–
编程
Arena WebDevArena (LMArena)17571723
LiveBench 2.0 CodingLiveBench83.7%–
SciCode (AA)Artificial Analysis–62.6%
IOIVals AI–79.8%
Code MigrationVals AI–61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI–0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI87.6%86.0%
Vibe Code Bench 1-100 v1.1Vals AI40.9%–
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%†–
显示全部 94 项基准测试
指标发布方GPT-6.2 Sol (max)Muse Wonder Full (max)
编程
SWE Atlas v1.1: RefactoringScale AI SEAL55.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis60.1%57.1%
FrontierCode 1.1 (AA)Artificial Analysis–44.9%
FrontierCode 2.0 (AA)Artificial Analysis44.4%37.8%
智能体与工具
Terminal-BenchTerminal-Bench61.5%–
Arena AgentArena (LMArena)11.38
LiveBench Long AgenticLiveBench63.6%–
LiveBench BrowserLiveBench88.2%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis–1857
Analyst Agent (AA)Artificial Analysis53.8%–
CyberBenchVals AI–73.6%
Finance Agent v2Vals AI–59.1%
Finance Agent v2.1Vals AI58.9%67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI12.1%23.3%
Harvey's Legal Agent Benchmark v1Vals AI–21.7%
Legal Research BenchVals AI37.0%53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI–11.8%
Tax Agent BenchVals AI24.8%43.0%
Terminal-Bench 4.0 (Vals)Vals AI60.6%58.1%
Terminal-Bench ScienceVals AI58.6%37.1%
Arena Agent Task CompletionArena (LMArena)10.910.4
AutomationBenchArtificial Analysis71.3%71.3%
GDP.pdf (AA)Artificial Analysis30.0%32.6%
Harvey LAB-AA v1.1Harvey11.1%13.1%
EnterpriseOps-GymArtificial Analysis28.9%–
AA-Briefcase v1.1Artificial Analysis16121729
GDPxGDPx by SemiAnalysis–9.0%
Terminal-Bench-Science 0.1 (AA)Artificial Analysis67.6%37.1%
CWE-Bench (AA)Artificial Analysis61.7%–
DeepSec-Bench (AA)Artificial Analysis51.6%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
数学
Autoform-HardVals AI85.7%–
知识
LiveBench 2.0 Data AnalysisLiveBench81.1%–
LiveBench ResearchLiveBench90.1%–
AA-Omniscience v1.1Artificial Analysis40.430.6
LegalBenchVals AI–87.4%
PRBench LegalScale AI SEAL43.3%†–
BioMysteryBenchVals AI77.8%73.3%
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI74.3%75.0%
MedCodeVals AI–49.9%
MedScribeVals AI–89.3%
Public Benefits Bench v1.1Vals AI–73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI–71.2%
DrugDiscoveryBenchScale AI SEAL62.2%†–
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis44.6%82.4%
指令遵循
MultiChallengeScale AI SEAL72.0%†–
多模态
LiveBench DesignLiveBench80.0%–
Humanity's Sixth SenseScale AI SEAL56.8%†–
VIALS-AAHandshake AI62.7%–
AA-3DArtificial Analysis1259–
长上下文
AA-LCR v1.1Artificial Analysis–83.7%
MLCRArtificial Analysis37.2%22.2%
综合
LiveBench 2.0LiveBench80.3%–
AA Intelligence Index v5.0.1Artificial Analysis57.350.1
AA Intelligence Index v4.3.2Artificial Analysis–55.8
AA Progress Index v1Artificial Analysis–343.2
Vals IndexVals AI66.166.8
Vals Finance IndexVals AI56.7%64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI57.8%48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI66.7%77.9%
AA Cyber IndexArtificial Analysis37.8–

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 Wonder Full (max):BenchLeader Index 61.7 → 61.0。
  • Muse Wonder Full (max):2 项分数修订。
  • Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • Muse Wonder Full (max):1 项分数修订。
  • Muse Wonder Full (max):1 项分数修订。
  • Muse Wonder Full (max):1 项新结果(Arena Agent)。

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 Wonder Full:常见问题

GPT-6.2 Sol 比 Muse Wonder Full 更好吗?
质量上 GPT-6.2 Sol (max) 领先:64.6 比 60.8。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,GPT-6.2 Sol (max) 总体领先,但请结合你的用途查看各类别得分。
编程用 GPT-6.2 Sol 还是 Muse Wonder Full 更好?
GPT-6.2 Sol 在编程方面得分更高(类别得分 75 比 69,50 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 Wonder Full 为 1723。
智能体和工具调用用 GPT-6.2 Sol 还是 Muse Wonder Full 更好?
GPT-6.2 Sol 在智能体任务方面得分更高(类别得分 65 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 Arena Agent 上,GPT-6.2 Sol 为 11.3,Muse Wonder Full 为 8。
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 Wonder Full 为 1,000,000)。
第三方基准测试对 GPT-6.2 Sol 和 Muse Wonder Full 的看法一致吗?
在两者都有结果的 29 项基准测试中,GPT-6.2 Sol 领先 17 项,Muse Wonder Full 领先 12 项。第三方来源看法不一:GPT-6.2 Sol 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先;Muse Wonder Full 在 Vals Index 上领先。
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。