BenchLeader

GPT-6 Sol vs Muse Spark 1.3

完整资料:GPT-6 Sol(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 14 个来源

截至 2026年11月16日,GPT-6 Sol 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 62.6 比 61.6,在 ±8.8 的误差范围内)。Muse Spark 1.3 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)。看重数学(68 比 56)选 GPT-6 Sol;看重知识(81 比 61)、推理(71 比 66)和智能体与工具(61 比 59)选 Muse Spark 1.3。Muse Spark 1.3 的首次回答更快(2.6 秒 比 36.9 秒)。GPT-6 Sol 的输出更快。

要点(截至 2026年11月16日)

  • GPT-6 Sol 的 BenchLeader Index 为 62.6,Muse Spark 1.3 为 61.6(BenchLeader,2026年11月16日)。
  • GPT-6 Sol 每百万 token 混合价格为 $4.00(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)。
  • GPT-6 Sol 比 Muse Spark 1.3 输出更快(Artificial Analysis,7 日中位数,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Muse Spark 1.3类别得分 61 比 59;APEX-Agents 58.6% 比 54.3%中
数学GPT-6 Sol类别得分 68 比 56高
推理Muse Spark 1.3类别得分 71 比 66;LMCA 53.9% 比 59.1%中
知识Muse Spark 1.3类别得分 81 比 61;GDP.pdf 27.6% 比 26.4%高
对话质量(人类偏好)–只有 GPT-6 Sol 有 Arena 评分(类别得分 64)无法比较
成本最低Muse Spark 1.3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 1.3首个回答 token 2.6 秒(Muse Spark 1.3)比 36.9 秒(GPT-6 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 Sol (max) 与 Muse Spark 1.3 的质量不相上下(62.6 比 61.6,在 ±8.8 的误差范围内)。
  • GPT-6 Sol (max) 在数学方面更强。
  • Muse Spark 1.3 在智能体与工具、知识、推理方面更强。
  • Muse Spark 1.3 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)。

概览

规格GPT-6 SolMuse Spark 1.3
提供商OpenAIMeta
发布日期2026年9月22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 Sol (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)$2.00 / $10.00 / $0.200$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 Sol (max)Muse Spark 1.3领先者
推理66.071.0Muse Spark 1.3
编程66.3–无法比较
智能体与工具58.861.3Muse Spark 1.3
数学68.056.3GPT-6 Sol
知识60.681.2Muse Spark 1.3
人类偏好64.2–无法比较
多模态60.6–无法比较
长上下文66.6–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 Sol, 推理: 66.0GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知识: 60.6Muse 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 4 项基准测试中,GPT-6 Sol 领先 2 项,Muse Spark 1.3 领先 2 项。第三方来源看法不一:GPT-6 Sol 在 AA Intelligence Index v5.0.1 上领先;Muse Spark 1.3 在 Arena Text 上领先。

综合 IndexGPT-6 Sol (max)Muse Spark 1.3领先者
BenchLeader Index62.661.6不相上下
AA Intelligence Index v5.0.144.236.6†GPT-6 Sol
Arena Text14571497†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 Sol (max)Muse Spark 1.3
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$0.200$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)$0.079$0.043
每项基准测试任务成本(AA Index)$2.47–
每项任务输出 token(AA Index)54k–
其中推理部分35k–
每项任务耗时(AA Index)7 min–
输出速度127 tok/s163 tok/s
首次回答时间36.9 秒2.6 秒
完整回答耗时(最近一次测量 2026年11月13日)143.8 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 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 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 144 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 Sol (max)Muse Spark 1.3
BenchLeader IndexBenchLeader62.661.6
智能体与工具得分BenchLeader58.861.3
编程得分BenchLeader66.3–
人类偏好得分BenchLeader64.2–
知识得分BenchLeader60.681.2
长上下文得分BenchLeader66.6–
数学得分BenchLeader68.056.3
多模态得分BenchLeader60.6–
推理得分BenchLeader66.071.0
混合价格(美元/百万 token)BenchLeader$4.00$2.00
输出速度BenchLeader127 tok/s163 tok/s
首次回答时间BenchLeader36.9 秒2.6 秒
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.3%–
SimpleBenchSimpleBench73.1%†81.8%
Arena Hard PromptsArena (LMArena)14831517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench88.7%89.7%†
GPQA Diamond (AA)Artificial Analysis–93.5%†
Humanity's Last Exam (AA)Artificial Analysis47.9%48.7%†
HLE-Diamond (AA)Artificial Analysis45.2%33.7%†
ARC-AGI-1ARC Prize95.5%–
ARC-AGI-2ARC Prize89.6%–
ARC-AGI-3ARC Prize23.0%–
CritPtArtificial Analysis30.9%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis66.5%48.0%†
MysteryMechanismVals AI30.2%36.0%†
HLE-Diamond (Scale)Scale AI SEAL33.8%†25.4%
Arena ExpertArena (LMArena)14961521†
Chess PuzzlesEpoch AI Benchmarking Hub56.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%25.0%†
LMCAEpoch AI Benchmarking Hub59.1%53.9%
DTBenchEpoch AI Benchmarking Hub97.3%96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SciCodeSciCode57.6%58.8%†
FrontierCodeCognition49.3%–
Arena CodingArena (LMArena)15211534†
显示全部 144 项基准测试
指标发布方GPT-6 Sol (max)Muse Spark 1.3
编程
Arena WebDevArena (LMArena)16731655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench81.8%81.1%†
IOIVals AI82.6%56.6%†
Code MigrationVals AI57.2%47.4%†
ProgramBenchVals AI2.0%2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI87.8%85.9%†
MirrorCodeEpoch AI Benchmarking Hub48.9%54.4%†
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub24621688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML19.7%†6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis43.9%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 273.0†57.7
GameBench 2 by reasoning settingDuelLab GameBench 279.4†68.5†
Design Arena WebsiteDesign Arena1290†1353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis35.6%23.1%†
智能体与工具
Terminal-BenchTerminal-Bench50.3%14.8%†
APEX-AgentsMercor54.3%58.6%
Arena AgentArena (LMArena)6.92.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench52.9%64.1%†
Terminal-Bench 2.1 (Vals)Vals AI83.2%79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis15141681†
τ³-Banking (AA)Artificial Analysis–50.5%†
ITBench SRE (AA)Artificial Analysis49.4%33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI78.0%72.7%†
Finance Agent v2Vals AI49.0%60.0%†
Harvey's Legal Agent Benchmark v1Vals AI1.7%23.8%†
Legal Research BenchVals AI28.9%55.3%†
SREBenchVals AI30.5%3.8%†
Tax Agent BenchVals AI15.0%42.4%†
Terminal-Bench 4.0 (Vals)Vals AI44.4%24.8%†
Terminal-Bench ScienceVals AI30.0%10.0%†
Arena SearchArena (LMArena)1229–
Arena Agent Task CompletionArena (LMArena)4.53.7†
Vending-Bench 2Andon Labs14427.9†–
SpireClimbEpoch AI Benchmarking Hub9.2%–
AutomationBenchArtificial Analysis61.6%57.9%†
GDP.pdf (AA)Artificial Analysis25.2%26.6%†
Harvey LAB-AA v1.1Harvey3.6%8.9%†
AA-Briefcase v1.1Artificial Analysis14761581†
Design Arena AgenticDesign Arena1218†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis30.0%10.9%†
CWE-Bench (AA)Artificial Analysis64.2%60.8%†
DeepSec-Bench (AA)Artificial Analysis46.3%12.5%†
CyberGym end-to-end (AA)Artificial Analysis0.0%59.5%†
FACTS SearchGoogle92.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub89.8%74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub90.0%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%99.2%†
ProofBenchVals AI83.0%†55.0%
LiveBench MathematicsLiveBench96.4%96.0%†
Arena MathsArena (LMArena)14401506†
FrontierMath ErdősEpoch AI Benchmarking Hub1.5%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub60.7%–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench81.2%79.6%†
AA-Omniscience v1.1Artificial Analysis21.422.4†
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL38.6%†61.6%
BioMysteryBenchVals AI74.8%–
Excel Modeling BenchmarkVals AI71.5%67.4%†
MedCodeVals AI47.1%–
MedScribeVals AI82.0%–
Public Benefits Bench v1.1Vals AI56.6%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI62.6%70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
EBR-benchEpoch AI Benchmarking Hub53.3%–
GDP.pdfEpoch AI Benchmarking Hub26.4%27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis51.1%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.1%74.8%†
HealthBench Professional (AA)OpenAI62.3%–
FACTS ParametricGoogle76.1%†–
指令遵循
LiveBench LanguageLiveBench85.3%82.8%†
LiveBench Instruction FollowingLiveBench68.6%78.0%†
Arena Instruction FollowingArena (LMArena)14491485†
人类偏好
Arena TextArena (LMArena)14571497†
EQ-Bench Creative Writing v3EQ-Bench2126†1907
Arena Creative WritingArena (LMArena)14281468†
Arena Multi-turnArena (LMArena)14681493†
Arena Longer QueriesArena (LMArena)14661498†
多模态
Arena VisionArena (LMArena)12331310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis83.0%82.0%†
Humanity's Sixth SenseScale AI SEAL31.2%37.4%†
GeoBenchGeoBench–86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub36.9%†–
Furniture AssemblyEpoch AI Benchmarking Hub58.3%–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis11311032†
FACTS MultimodalGoogle43.9%†–
长上下文
AA-LCR v1.1Artificial Analysis83.7%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis33.9%13.9%†
FACTS GroundingGoogle83.3%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub163.8†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench79.3%81.6%†
AA Intelligence Index v5.0.1Artificial Analysis44.236.6†
AA Intelligence Index v4.3.2Artificial Analysis47.648.1†
AA Progress Index v1Artificial Analysis334324.5†
Vals RSI IndexVals AI28.1%19.6%†
Vals Science IndexVals AI45.0%–
AA Cyber IndexArtificial Analysis36.844.3†
安全与诚实
FORTRESSScale AI SEAL13.5%†–
DistressBenchScale AI SEAL68.0%†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 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • Muse Spark 1.3:2 项新结果(SimpleBench, GeoBench)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • GPT-6 Sol (max):2 项分数修订。
  • Muse Spark 1.3:4 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-6 Sol vs Muse Spark 1.3:常见问题

GPT-6 Sol 比 Muse Spark 1.3 更好吗?
GPT-6 Sol (max) 与 Muse Spark 1.3 的质量不相上下(62.6 比 61.6,在 ±8.8 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16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 Sol 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 $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。
GPT-6 Sol 和 Muse Spark 1.3 哪个更快?
GPT-6 Sol 输出更快(输出 163 比 127 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6 Sol 还是 Muse Spark 1.3 更好?
Muse Spark 1.3 在智能体任务方面得分更高(类别得分 61 比 59,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 APEX-Agents 上,GPT-6 Sol 为 54.3%,Muse Spark 1.3 为 58.6%。
处理长文档哪个更好?
两者都约为 1.1M token(GPT-6 Sol 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 36.9 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 Sol 和 Muse Spark 1.3 的看法一致吗?
在两者都有结果的 4 项基准测试中,GPT-6 Sol 领先 2 项,Muse Spark 1.3 领先 2 项。第三方来源看法不一:GPT-6 Sol 在 AA Intelligence Index v5.0.1 上领先;Muse Spark 1.3 在 Arena Text 上领先。
GPT-6 Sol 是什么时候发布的?
GPT-6 Sol 于 2026年9月22日 发布。