GPT-6 Astra vs Muse Spark 1.2
完整资料:GPT-6 Astra(OpenAI)和 Muse Spark 1.2(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,质量上 GPT-6 Astra 领先 Muse Spark 1.2(BenchLeader Index 67.3 比 61.5)。不过,Muse Spark 1.2 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $2.00 比 $20.00)。看重编程(73 比 55)、智能体与工具(64 比 55)和知识(72 比 65)选 GPT-6 Astra;看重人类偏好(69 比 66)选 Muse Spark 1.2。Muse Spark 1.2 的首次回答更快(11.4 秒 比 198.4 秒)。Muse Spark 1.2 的输出更快(3 倍以上)。
要点(截至 2026年11月16日)
- GPT-6 Astra 的 BenchLeader Index 为 67.3,Muse Spark 1.2 为 61.5(BenchLeader,2026年11月16日)。
- GPT-6 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
- Muse Spark 1.2 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
- Muse Spark 1.2 比 GPT-6 Astra 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 59 项基准测试中,GPT-6 Astra 领先 43 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,GPT-6 Astra 的评分为 1764,Muse Spark 1.2 为 1534(LMArena,截至 2026年11月16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 Astra | 类别得分 73 比 55;Arena WebDev 1764 比 1534 | 高 |
| 智能体与工具调用 | GPT-6 Astra | 类别得分 64 比 55;τ³-Banking (AA) 41.4% 比 34.9% | 高 |
| 数学 | GPT-6 Astra | 类别得分 71 比 67;Arena Maths 1481 比 1486 | 中 |
| 推理 | GPT-6 Astra | 类别得分 72 比 68;Arena Hard Prompts 1500 比 1514 | 中 |
| 知识 | GPT-6 Astra | 类别得分 72 比 65;SimpleQA Verified 75.6% 比 60.3% | 高 |
| 长文档 | 均可 | 类别得分 65 比 64;AA-LCR v1.1 80.7% 比 79.0% | 均可 |
| 图像及其他媒体 | 均可 | 类别得分 66 比 65;Arena Vision 1279 比 1305 | 均可 |
| 对话质量(人类偏好) | Muse Spark 1.2 | Arena 投票 69 比 66 | 中 |
| 成本最低 | Muse Spark 1.2 | 每百万 token 混合价格 $2.00 比 $20.00;智能体编程会话 $0.092 比 $0.800 | – |
| 首次回答最快 | Muse Spark 1.2 | 首个回答 token 11.4 秒(Muse Spark 1.2 (xhigh))比 198.4 秒(GPT-6 Astra (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
- 质量上 GPT-6 Astra (max) 领先:67.3 比 61.5。
- GPT-6 Astra (max) 在智能体与工具、编程、知识、长上下文、数学、多模态、推理方面更强。
- Muse Spark 1.2 (xhigh) 在人类偏好方面更强。
- Muse Spark 1.2 (xhigh) 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $2.00 比 $20.00)。
- Muse Spark 1.2 (xhigh) 的输出速度是对方的 5.0 倍(208 比 41 token/秒)。
概览
| 规格 | GPT-6 Astra | Muse Spark 1.2 |
|---|---|---|
| 提供商 | OpenAI | Meta |
| 发布日期 | 2026年9月2日 | 2026年8月5日 |
| 上下文窗口(token) | 1,050,000 | 1,048,576 |
| 对比时的配置 | GPT-6 Astra (max) | Muse Spark 1.2 (xhigh) |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $10.00 / $50.00 / $1.00 | $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 Astra (max) | Muse Spark 1.2 (xhigh) | 领先者 |
|---|---|---|---|
| 推理 | 72.4 | 68.1 | GPT-6 Astra |
| 编程 | 73.2 | 54.7 | GPT-6 Astra |
| 智能体与工具 | 63.9 | 55.4 | GPT-6 Astra |
| 数学 | 70.8 | 66.8 | GPT-6 Astra |
| 知识 | 72.3 | 64.5 | GPT-6 Astra |
| 人类偏好 | 66.2 | 68.6 | Muse Spark 1.2 |
| 多模态 | 65.6 | 65.3 | 持平 |
| 长上下文 | 65.0 | 64.1 | 持平 |
| 综合 | 71.3 | – | 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。
未绘制(测得的模型少于两个):指令遵循。
各来源的分歧
在两者都有结果的 59 项基准测试中,GPT-6 Astra 领先 43 项,Muse Spark 1.2 领先 16 项。第三方来源看法不一:GPT-6 Astra 在 BenchLeader Index 上领先;Muse Spark 1.2 在 Arena Text 上领先。
| 综合 Index | GPT-6 Astra (max) | Muse Spark 1.2 (xhigh) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 67.3 | 61.5 | GPT-6 Astra |
| Arena Text | 1474 | 1493 | Muse Spark 1.2 |
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 Astra (max) | Muse Spark 1.2 (xhigh) |
|---|---|---|
| 每百万 token 混合价格 | $20.00 | $2.00 |
| 每百万 token 输入 / 输出 | $10.00 / $50.00 | $1.25 / $4.25 |
| 每百万 token 缓存输入 | $1.00 | $0.150 |
| 每项任务价格:聊天回复 | $0.019 | $0.0018 |
| 每项任务价格:总结一份 30 页的报告 | $0.150 | $0.018 |
| 每项任务价格:代码编辑 | $0.135 | $0.014 |
| 每项任务价格:智能体编程会话 | $0.800 | $0.092 |
| 每项任务价格:结构化信息提取 | $0.030 | $0.0034 |
| 智能体编程会话(输入大多命中缓存) | $0.395 | $0.043 |
| 每项基准测试任务成本(AA Index) | $6.24 | – |
| 每项任务输出 token(AA Index) | 52k | – |
| 其中推理部分 | 36k | – |
| 每项任务耗时(AA Index) | 21 min | – |
| 输出速度 | 41 tok/s | 208 tok/s |
| 首次回答时间 | 198.4 秒 | 11.4 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 533.7 秒 | 23.9 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 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 秒)。Muse Spark 1.2 (xhigh) 得分 61.5,首个回答 token 需 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 182 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 Astra (max) | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 67.3 | 61.5 |
| 智能体与工具得分 | BenchLeader | 63.9 | 55.4 |
| 编程得分 | BenchLeader | 73.2 | 54.7 |
| 综合得分 | BenchLeader | 71.3 | – |
| 人类偏好得分 | BenchLeader | 66.2 | 68.6 |
| 知识得分 | BenchLeader | 72.3 | 64.5 |
| 长上下文得分 | BenchLeader | 65.0 | 64.1 |
| 数学得分 | BenchLeader | 70.8 | 66.8 |
| 多模态得分 | BenchLeader | 65.6 | 65.3 |
| 推理得分 | BenchLeader | 72.4 | 68.1 |
| 混合价格(美元/百万 token) | BenchLeader | $20.00 | $2.00 |
| 输出速度 | BenchLeader | 41 tok/s | 208 tok/s |
| 首次回答时间 | BenchLeader | 198.4 秒 | 11.4 秒 |
| 上下文窗口 | BenchLeader | 1,050,000 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 95.8% | – |
| Humanity's Last Exam | Scale AI / CAIS | 54.8%† | – |
| SimpleBench | SimpleBench | 83.6%† | 74.5%† |
| Arena Hard Prompts | Arena (LMArena) | 1500 | 1514 |
| LiveBench 2.0 Reasoning | LiveBench | 92.7% | – |
| LiveBench 1.0 Reasoning | LiveBench | 92.7% | 90.0% |
| GPQA Diamond (AA) | Artificial Analysis | 96.1% | 90.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | 54.7% | 45.5% |
| HLE-Diamond (AA) | Artificial Analysis | 63.8% | – |
| ARC-AGI-1 | ARC Prize | 97.5% | – |
| ARC-AGI-2 | ARC Prize | 95.0% | – |
| ARC-AGI-3 | ARC Prize | 98.6% | – |
| CritPt | Artificial Analysis | 31.7% | 17.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 70.5% | – |
| MysteryMechanism | Vals AI | 53.1% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 60.6%† | – |
| Arena Expert | Arena (LMArena) | 1517 | 1503 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 74.0% | 27.0% |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 84.0% | – |
| LMCA | Epoch AI Benchmarking Hub | 64.1%† | 48.4% |
| DTBench | Epoch AI Benchmarking Hub | 97.1%† | 94.7% |
| ForecastBench | ForecastBench | 66.6%† | – |
| BTF-3 | Epoch AI Benchmarking Hub | 13.5%† | – |
| 编程 | |||
| SciCode | SciCode | 56.5% | 57.4% |
| WeirdML | WeirdML | 93.3% | 60.3% |
显示全部 182 项基准测试
| 指标 | 发布方 | GPT-6 Astra (max) | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| 编程 | |||
| FrontierCode | Cognition | 53.3% | – |
| GSO-Bench | GSO-Bench | 79.4%† | – |
| Arena Coding | Arena (LMArena) | 1548 | 1542 |
| Arena WebDev | Arena (LMArena) | 1764 | 1534 |
| LiveBench 2.0 Coding | LiveBench | 87.5% | – |
| LiveBench 1.0 Coding | LiveBench | 80.4% | 77.5% |
| IOI | Vals AI | 100.0% | 21.8% |
| SWE-bench (Vals) | Vals AI | – | 86.6% |
| Code Migration | Vals AI | 67.7% | 29.9% |
| Code Migration v1.1 | Vals AI | 80.6% | – |
| ProgramBench | Vals AI | 5.5% | 0.5% |
| SWE-bench Multimodal | Vals AI | 43.3% | – |
| Vibe Code Bench 1-100 | Vals AI | 27.6% | – |
| Vibe Code Bench v1.1 | Vals AI | 89.6% | 79.1% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 59.1%† | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 59.0%† | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 50.7%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | 69.4%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 70.2%† | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 66.7%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 71.4%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 96.9%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 90.2%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 60.0% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 73.2% | 54.9% |
| ALE-Bench | Epoch AI Benchmarking Hub | 2951.3 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 65.5% | 12.0% |
| WeirdML v3 | WeirdML | 42.2%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 59.1% | 7.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 88.4% | 80.2% |
| Startrise Frontend | Startrise | 79.9%† | 70.3%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 88.8† | 51.5† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 94.3† | 56.9 |
| Design Arena Website | Design Arena | 1338 | 1309† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 47.0% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 42.4% | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 60.3% | – |
| Remote Labor Index | Scale AI / CAIS | 20.8%† | – |
| APEX-Agents | Mercor | 64.7%† | 45.4%† |
| Arena Agent | Arena (LMArena) | 14.5 | -8.2 |
| LiveBench Long Agentic | LiveBench | 75.6% | – |
| LiveBench Browser | LiveBench | 91.3% | – |
| LiveBench Agentic Coding | LiveBench | 57.3% | 57.6% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 87.3% | 69.7% |
| HiL-Bench | Scale AI SEAL | 65.3%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 53.7% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1587 | 1478 |
| τ³-Banking (AA) | Artificial Analysis | 41.4% | 34.9% |
| ITBench SRE (AA) | Artificial Analysis | 48.6% | – |
| Analyst Agent (AA) | Artificial Analysis | 51.3% | – |
| CUA-bench | Vals AI | 19.2% | – |
| CyberBench | Vals AI | 41.1% | 69.5% |
| Finance Agent v2 | Vals AI | 53.5% | 60.6% |
| Finance Agent v2.1 | Vals AI | 60.4% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 7.1% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 5.4% | 25.4% |
| Legal Research Bench | Vals AI | 39.4% | 43.8% |
| Robo-bench | Vals AI | 23.3% | – |
| SkillsBench | Vals AI | – | 53.0% |
| SREBench | Vals AI | 56.9% | 0.0% |
| Tax Agent Bench | Vals AI | 20.7% | 32.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 59.6% | 6.1% |
| Terminal-Bench Science | Vals AI | 62.9% | – |
| Time Horizon Index: KSP | Vals AI | 90.5% | – |
| Arena Search | Arena (LMArena) | 1245 | – |
| Arena Agent Task Completion | Arena (LMArena) | 14 | -9.8 |
| BALROG | BALROG | 68.3% | – |
| PostTrainBench | Epoch AI Benchmarking Hub | 41.9% | – |
| Vending-Bench 2 | Andon Labs | 15514.7† | – |
| SpireClimb | Epoch AI Benchmarking Hub | 34.0% | – |
| AutomationBench | Artificial Analysis | 68.5% | 40.6% |
| GDP.pdf (AA) | Artificial Analysis | 31.0% | 17.4% |
| Harvey LAB-AA v1.1 | Harvey | 8.6% | – |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.3% |
| AA-Briefcase v1.1 | Artificial Analysis | 1569 | 1323 |
| GDPx | GDPx by SemiAnalysis | 9.6% | – |
| Design Arena Agentic | Design Arena | 1405 | 1185† |
| RoboDojo (LLM as robot policy) | RoboDojo | 29.0† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 63.3% | – |
| CWE-Bench (AA) | Artificial Analysis | 63.3% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 36.9% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 0.0% | – |
| MKA (AA) | Artificial Analysis | 50.2% | – |
| FACTS Search | 93.3%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 93.7% | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 97.6% | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 100.0% | – |
| ProofBench | Vals AI | 99.0%† | 43.0%† |
| LiveBench Mathematics | LiveBench | 96.8% | 91.2% |
| Arena Maths | Arena (LMArena) | 1481 | 1486 |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 2.9% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 75.6% | 60.3% |
| LiveBench 2.0 Data Analysis | LiveBench | 83.0% | – |
| LiveBench Research | LiveBench | 90.6% | – |
| LiveBench 1.0 Data Analysis | LiveBench | 83.0% | 76.5% |
| AA-Omniscience v1.1 | Artificial Analysis | 42.4 | – |
| MMLU-Pro | Vals AI | – | 88.3% |
| LegalBench | Vals AI | – | 85.3% |
| CorpFin | Vals AI | – | 70.9% |
| TaxEval | Vals AI | – | 80.4% |
| PRBench Finance | Scale AI SEAL | 47.5%† | – |
| PRBench Legal | Scale AI SEAL | 48.4%† | – |
| BioMysteryBench | Vals AI | 79.3% | 64.8% |
| Excel Modeling Benchmark | Vals AI | 71.7% | 57.0% |
| Excel Modeling Benchmark v1.1 | Vals AI | 72.7% | – |
| MedCode | Vals AI | 48.5% | 49.4% |
| MedScribe | Vals AI | 87.9% | 90.1% |
| Public Benefits Bench v1.1 | Vals AI | – | 68.5% |
| Financial Coaching Bench | Vals AI | 67.5% | 75.7% |
| Immigration Bench | Vals AI | 67.7% | 66.5% |
| DrugDiscoveryBench | Scale AI SEAL | 68.7% | – |
| EBR-bench | Epoch AI Benchmarking Hub | 76.2% | – |
| GDP.pdf | Epoch AI Benchmarking Hub | 34.2% | 16.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 61.6% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 50.2% | – |
| HealthBench Professional (AA) | OpenAI | 66.0% | – |
| FACTS Parametric | 83.8%† | – | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 89.4% | 78.6% |
| LiveBench Instruction Following | LiveBench | 75.6% | 74.3% |
| Arena Instruction Following | Arena (LMArena) | 1474 | 1479 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1474 | 1493 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2177† | 1842† |
| Arena Creative Writing | Arena (LMArena) | 1451 | 1443 |
| Arena Multi-turn | Arena (LMArena) | 1483 | 1510 |
| Arena Longer Queries | Arena (LMArena) | 1485 | 1491 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1279 | 1305 |
| LiveBench Design | LiveBench | 80.0% | – |
| MMMU-Pro | Artificial Analysis | 86.9% | – |
| MMMU-Pro (Vals) | Vals AI | – | 86.1% |
| MortgageTax | Vals AI | – | 65.4% |
| Humanity's Sixth Sense | Scale AI SEAL | 53.6% | 24.5% |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 49.7%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | 80.0% | – |
| VIALS-AA | Handshake AI | 62.7% | – |
| Code2Video-AA | Artificial Analysis | 1427 | – |
| AA-3D | Artificial Analysis | 1168 | – |
| FACTS Multimodal | 55.2%† | – | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 80.7% | 79.0% |
| Arena Document | Arena (LMArena) | 1474 | – |
| MLCR | Artificial Analysis | 41.7% | 7.2% |
| FACTS Grounding | 80.1%† | – | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 169† | 155.0† |
| LiveBench 2.0 | LiveBench | 84.5% | – |
| LiveBench 1.0 | LiveBench | 82.2% | 78.0% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 56.9 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 52.7 | 39.6 |
| AA Progress Index v1 | Artificial Analysis | 349.6 | 309.1 |
| Vals Index | Vals AI | 65.0 | – |
| Vals Finance Index | Vals AI | 55.6% | – |
| Vals RSI Index | Vals AI | 27.1% | – |
| Vals Science Index | Vals AI | 65.1% | – |
| Vals Multimodal Index | Vals AI | – | 69.8%† |
| Vals Router Index | Vals AI | 65.0%† | – |
| Vals Legal Index | Vals AI | 68.4% | – |
| AA Cyber Index | Artificial Analysis | 33.4 | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 12.1%† | – |
| DistressBench | Scale AI SEAL | 74.3%† | 88.4%† |
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 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- GPT-6 Astra (max):1 项分数修订。
- Muse Spark 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
- GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
- GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
- GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
- GPT-6 Astra (max):2 项分数修订。
- GPT-6 Astra (max):1 项分数修订。
- GPT-6 Astra (max):1 项分数修订。
- Muse Spark 1.2 (xhigh):1 项分数修订。
相关对比
- GPT-6 Astra vs Claude Fable 5.2
- GPT-6 Astra vs Gemini 4 Carbon
- GPT-6 Astra vs Claude Opus 5.5
- Muse Spark 1.2 vs Claude Fable 5.2
- Muse Spark 1.2 vs Gemini 4 Carbon
- Muse Spark 1.2 vs Claude Opus 5.5
- GPT-5.6 Sol vs Muse Spark 1.2
- GPT-6 Astra vs Muse Spark 1.1
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 Astra vs Muse Spark 1.2:常见问题
- GPT-6 Astra 比 Muse Spark 1.2 更好吗?
- 质量上 GPT-6 Astra (max) 领先:67.3 比 61.5。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 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
- GPT-6 Astra 和 Muse Spark 1.2 哪个更便宜?价格会变吗?
- 目前 Muse Spark 1.2 更便宜:每百万 token $2.00 比 $20.00(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 Astra 还是 Muse Spark 1.2 更好?
- GPT-6 Astra 在编程方面得分更高(类别得分 73 比 55,50 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 Astra 为 1764,Muse Spark 1.2 为 1534。
- GPT-6 Astra 和 Muse Spark 1.2 哪个更快?
- Muse Spark 1.2 输出更快(3 倍以上;输出 208 比 41 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 GPT-6 Astra 还是 Muse Spark 1.2 更好?
- GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 比 55,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 τ³-Banking (AA) 上,GPT-6 Astra 为 41.4%,Muse Spark 1.2 为 34.9%。
更多问题(4)
- 处理长文档哪个更好?
- 两者在长上下文基准测试上持平(65 比 64)。两者都约为 1.1M token(GPT-6 Astra 为 1,050,000,Muse Spark 1.2 为 1,048,576)。
- 哪个延迟更低?
- Muse Spark 1.2 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 11.4 秒比 198.4 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 Astra 和 Muse Spark 1.2 的看法一致吗?
- 在两者都有结果的 59 项基准测试中,GPT-6 Astra 领先 43 项,Muse Spark 1.2 领先 16 项。第三方来源看法不一:GPT-6 Astra 在 BenchLeader Index 上领先;Muse Spark 1.2 在 Arena Text 上领先。
- GPT-6 Astra 是什么时候发布的?
- GPT-6 Astra 于 2026年9月2日 发布。