BenchLeader

GPT-6 Astra vs Muse Spark 1.3

完整资料:GPT-6 Astra(OpenAI)和 Muse Spark 1.3(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 16 个来源

截至 2026年11月16日,质量上 GPT-6 Astra 领先 Muse Spark 1.3(BenchLeader Index 67.3 比 61.6)。不过,Muse Spark 1.3 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)。看重数学(71 比 56)、智能体与工具(64 比 61)和推理(72 比 71)选 GPT-6 Astra;看重知识(81 比 72)选 Muse Spark 1.3。Muse Spark 1.3 的首次回答更快(2.6 秒 比 198.4 秒)。Muse Spark 1.3 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • GPT-6 Astra 的 BenchLeader Index 为 67.3,Muse Spark 1.3 为 61.6(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 1.3 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark 1.3 比 GPT-6 Astra 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 1 项基准测试中,GPT-6 Astra 领先 1 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
智能体与工具调用GPT-6 Astra类别得分 64 比 61中
数学GPT-6 Astra类别得分 71 比 56高
推理GPT-6 Astra类别得分 72 比 71中
知识Muse Spark 1.3类别得分 81 比 72;GDP.pdf 27.6% 比 34.2%高
对话质量(人类偏好)–只有 GPT-6 Astra 有 Arena 评分(类别得分 66)无法比较
成本最低Muse Spark 1.3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 1.3首个回答 token 2.6 秒(Muse Spark 1.3)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 61.6。
  • GPT-6 Astra (max) 在智能体与工具、数学、推理方面更强。
  • Muse Spark 1.3 在知识方面更强。
  • Muse Spark 1.3 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 1.3 的输出速度是对方的 3.9 倍(163 比 41 token/秒)。

概览

规格GPT-6 AstraMuse Spark 1.3
提供商OpenAIMeta
发布日期2026年9月2日2026年9月2日
上下文窗口(token)1,050,0001,048,576
对比时的配置GPT-6 Astra (max)Muse Spark 1.3
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 1.3领先者
推理72.471.0GPT-6 Astra
编程73.2–无法比较
智能体与工具63.961.3GPT-6 Astra
数学70.856.3GPT-6 Astra
知识72.381.2Muse Spark 1.3
人类偏好66.2–无法比较
多模态65.6–无法比较
长上下文65.0–无法比较
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。

2550 avg75推理智能体与工具数学知识GPT-6 Astra, 推理: 72.4GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知识: 72.3Muse Spark 1.3, 推理: 71.0Muse Spark 1.3, 智能体与工具: 61.3Muse Spark 1.3, 数学: 56.3Muse Spark 1.3, 知识: 81.2

未绘制(测得的模型少于两个):编程, 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 1 项基准测试中,GPT-6 Astra 领先 1 项,Muse Spark 1.3 领先 0 项。第三方来源看法不一:GPT-6 Astra 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先;Muse Spark 1.3 在 Arena Text 上领先。

综合 IndexGPT-6 Astra (max)Muse Spark 1.3领先者
BenchLeader Index67.361.6GPT-6 Astra
AA Intelligence Index v5.0.156.936.6†GPT-6 Astra
Arena Text14741497†Muse Spark 1.3

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 1.3
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/s163 tok/s
首次回答时间198.4 秒2.6 秒
完整回答耗时(最近一次测量 2026年11月13日)533.7 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 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 1.3 得分 61.6,首个回答 token 需 3 秒;Muse Spark 1.3 (max) 为 60.6(31 秒),Muse Spark 1.3 (xhigh) 为 58.1(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 174 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 1.3
BenchLeader IndexBenchLeader67.361.6
智能体与工具得分BenchLeader63.961.3
编程得分BenchLeader73.2–
综合得分BenchLeader71.3–
人类偏好得分BenchLeader66.2–
知识得分BenchLeader72.381.2
长上下文得分BenchLeader65.0–
数学得分BenchLeader70.856.3
多模态得分BenchLeader65.6–
推理得分BenchLeader72.471.0
混合价格(美元/百万 token)BenchLeader$20.00$2.00
输出速度BenchLeader41 tok/s163 tok/s
首次回答时间BenchLeader198.4 秒2.6 秒
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.8%–
Humanity's Last ExamScale AI / CAIS54.8%†–
SimpleBenchSimpleBench83.6%†81.8%
Arena Hard PromptsArena (LMArena)15001517†
LiveBench 2.0 ReasoningLiveBench92.7%89.7%†
LiveBench 1.0 ReasoningLiveBench92.7%89.7%†
GPQA Diamond (AA)Artificial Analysis96.1%93.5%†
Humanity's Last Exam (AA)Artificial Analysis54.7%48.7%†
HLE-Diamond (AA)Artificial Analysis63.8%33.7%†
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize95.0%–
ARC-AGI-3ARC Prize98.6%–
CritPtArtificial Analysis31.7%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis70.5%48.0%†
MysteryMechanismVals AI53.1%36.0%†
HLE-Diamond (Scale)Scale AI SEAL60.6%†25.4%
Arena ExpertArena (LMArena)15171521†
Chess PuzzlesEpoch AI Benchmarking Hub74.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub84.0%25.0%†
LMCAEpoch AI Benchmarking Hub64.1%†53.9%
DTBenchEpoch AI Benchmarking Hub97.1%†96.5%
ForecastBenchForecastBench66.6%†65.5%†
BTF-3Epoch AI Benchmarking Hub13.5%†14.1%†
编程
SciCodeSciCode56.5%58.8%†
WeirdMLWeirdML93.3%–
显示全部 174 项基准测试
指标发布方GPT-6 Astra (max)Muse Spark 1.3
编程
FrontierCodeCognition53.3%–
GSO-BenchGSO-Bench79.4%†–
Arena CodingArena (LMArena)15481534†
Arena WebDevArena (LMArena)17641655†
LiveBench 2.0 CodingLiveBench87.5%84.4%†
LiveBench 1.0 CodingLiveBench80.4%81.1%†
IOIVals AI100.0%56.6%†
Code MigrationVals AI67.7%47.4%†
Code Migration v1.1Vals AI80.6%–
ProgramBenchVals AI5.5%2.5%†
SWE-bench MultimodalVals AI43.3%43.1%†
Vibe Code Bench 1-100Vals AI27.6%20.5%†
Vibe Code Bench v1.1Vals AI89.6%85.9%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL59.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL59.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL50.7%†–
SWE Atlas v1.1Scale AI SEAL69.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†–
SWE-Bench Pro V2Scale AI SEAL96.9%†–
SWE-Bench Pro V2 HARDScale AI SEAL90.2%†–
MirrorCodeEpoch AI Benchmarking Hub60.0%54.4%†
DeepSWE v1.1Epoch AI Benchmarking Hub73.2%–
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub2951.31688.3†
FrontierSWEEpoch AI Benchmarking Hub65.5%25.8%†
WeirdML v3WeirdML42.2%†6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis59.1%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%84.3%†
Startrise FrontendStartrise79.9%†74.7%
GameBench 2 OverallDuelLab GameBench 288.8†57.7
GameBench 2 by reasoning settingDuelLab GameBench 294.3†68.5†
Design Arena WebsiteDesign Arena13381353†
FrontierCode 1.1 (AA)Artificial Analysis47.0%40.6%†
FrontierCode 2.0 (AA)Artificial Analysis42.4%23.1%†
智能体与工具
Terminal-BenchTerminal-Bench60.3%14.8%†
Remote Labor IndexScale AI / CAIS20.8%†–
APEX-AgentsMercor64.7%†58.6%
Arena AgentArena (LMArena)14.52.2†
LiveBench Long AgenticLiveBench75.6%47.9%†
LiveBench BrowserLiveBench91.3%30.9%†
LiveBench Agentic CodingLiveBench57.3%64.1%†
Terminal-Bench 2.1 (Vals)Vals AI87.3%79.0%†
HiL-BenchScale AI SEAL65.3%†66.9%
GDPval-AA v2.1, normalised scoreArtificial Analysis53.7%–
GDPval-AA v2.1Artificial Analysis15871681†
τ³-Banking (AA)Artificial Analysis41.4%50.5%†
ITBench SRE (AA)Artificial Analysis48.6%33.2%†
Analyst Agent (AA)Artificial Analysis51.3%37.5%†
CUA-benchVals AI19.2%5.8%†
CyberBenchVals AI41.1%72.7%†
Finance Agent v2Vals AI53.5%60.0%†
Finance Agent v2.1Vals AI60.4%–
Harvey's Legal Agent Benchmark v1.1Vals AI7.1%–
Harvey's Legal Agent Benchmark v1Vals AI5.4%23.8%†
Legal Research BenchVals AI39.4%55.3%†
Robo-benchVals AI23.3%–
SREBenchVals AI56.9%3.8%†
Tax Agent BenchVals AI20.7%42.4%†
Terminal-Bench 4.0 (Vals)Vals AI59.6%24.8%†
Terminal-Bench ScienceVals AI62.9%10.0%†
Time Horizon Index: KSPVals AI90.5%–
Arena SearchArena (LMArena)1245–
Arena Agent Task CompletionArena (LMArena)143.7†
BALROGBALROG68.3%–
PostTrainBenchEpoch AI Benchmarking Hub41.9%–
Vending-Bench 2Andon Labs15514.7†–
SpireClimbEpoch AI Benchmarking Hub34.0%–
AutomationBenchArtificial Analysis68.5%57.9%†
GDP.pdf (AA)Artificial Analysis31.0%26.6%†
Harvey LAB-AA v1.1Harvey8.6%8.9%†
AA-Briefcase v1.1Artificial Analysis15691581†
GDPxGDPx by SemiAnalysis9.6%–
Design Arena AgenticDesign Arena14051283†
RoboDojo (LLM as robot policy)RoboDojo29.0†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis63.3%10.9%†
CWE-Bench (AA)Artificial Analysis63.3%60.8%†
DeepSec-Bench (AA)Artificial Analysis36.9%12.5%†
CyberGym end-to-end (AA)Artificial Analysis0.0%59.5%†
MKA (AA)Artificial Analysis50.2%–
FACTS SearchGoogle93.3%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub97.6%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.2%†
ProofBenchVals AI99.0%†55.0%
LiveBench MathematicsLiveBench96.8%96.0%†
Arena MathsArena (LMArena)14811506†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub75.6%–
LiveBench 2.0 Data AnalysisLiveBench83.0%79.6%†
LiveBench ResearchLiveBench90.6%82.5%†
LiveBench 1.0 Data AnalysisLiveBench83.0%79.6%†
AA-Omniscience v1.1Artificial Analysis42.422.4†
PRBench FinanceScale AI SEAL47.5%†59.5%
PRBench LegalScale AI SEAL48.4%†61.6%
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI71.7%67.4%†
Excel Modeling Benchmark v1.1Vals AI72.7%–
MedCodeVals AI48.5%–
MedScribeVals AI87.9%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI67.5%70.3%†
Immigration BenchVals AI67.7%64.9%†
DrugDiscoveryBenchScale AI SEAL68.7%62.2%†
EBR-benchEpoch AI Benchmarking Hub76.2%–
GDP.pdfEpoch AI Benchmarking Hub34.2%27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis50.2%74.8%†
HealthBench Professional (AA)OpenAI66.0%–
FACTS ParametricGoogle83.8%†–
指令遵循
LiveBench LanguageLiveBench89.4%82.8%†
LiveBench Instruction FollowingLiveBench75.6%78.0%†
Arena Instruction FollowingArena (LMArena)14741485†
人类偏好
Arena TextArena (LMArena)14741497†
EQ-Bench Creative Writing v3EQ-Bench2177†1907
Arena Creative WritingArena (LMArena)14511468†
Arena Multi-turnArena (LMArena)14831493†
Arena Longer QueriesArena (LMArena)14851498†
多模态
Arena VisionArena (LMArena)12791310†
LiveBench DesignLiveBench80.0%74.8%†
MMMU-ProArtificial Analysis86.9%82.0%†
Humanity's Sixth SenseScale AI SEAL53.6%37.4%†
GeoBenchGeoBench–86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub49.7%†–
Furniture AssemblyEpoch AI Benchmarking Hub80.0%–
VIALS-AAHandshake AI62.7%–
Code2Video-AAArtificial Analysis14271019†
AA-3DArtificial Analysis11681032†
FACTS MultimodalGoogle55.2%†–
长上下文
AA-LCR v1.1Artificial Analysis80.7%83.0%†
Arena DocumentArena (LMArena)14741474†
MLCRArtificial Analysis41.7%13.9%†
FACTS GroundingGoogle80.1%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169†158.2
LiveBench 2.0LiveBench84.5%68.6%†
LiveBench 1.0LiveBench82.2%81.6%†
AA Intelligence Index v5.0.1Artificial Analysis56.936.6†
AA Intelligence Index v4.3.2Artificial Analysis52.748.1†
AA Progress Index v1Artificial Analysis349.6324.5†
Vals IndexVals AI65.0–
Vals Finance IndexVals AI55.6%–
Vals RSI IndexVals AI27.1%19.6%†
Vals Science IndexVals AI65.1%–
Vals Router IndexVals AI65.0%†–
Vals Legal IndexVals AI68.4%–
AA Cyber IndexArtificial Analysis33.444.3†
安全与诚实
FORTRESSScale AI SEAL12.1%†–
DistressBenchScale AI SEAL74.3%†84.9%

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

  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • 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。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
  • Muse Spark 1.3:2 项新结果(SimpleBench, GeoBench)。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。

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 1.3:常见问题

GPT-6 Astra 比 Muse Spark 1.3 更好吗?
质量上 GPT-6 Astra (max) 领先:67.3 比 61.6。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 1.3 哪个更便宜?价格会变吗?
目前 Muse Spark 1.3 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。
GPT-6 Astra 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.3 输出更快(约 2 倍;输出 163 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 1.3 更好?
GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 比 61,50 为平均水平)。
处理长文档哪个更好?
两者都约为 1.1M token(GPT-6 Astra 为 1,050,000,Muse Spark 1.3 为 1,048,576)。
更多问题(3)
哪个延迟更低?
Muse Spark 1.3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 2.6 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 1.3 的看法一致吗?
在两者都有结果的 1 项基准测试中,GPT-6 Astra 领先 1 项,Muse Spark 1.3 领先 0 项。第三方来源看法不一:GPT-6 Astra 在 BenchLeader Index和AA Intelligence Index v5.0.1 上领先;Muse Spark 1.3 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。