BenchLeader

Grok 4.7 vs Muse Spark 1.3

完整资料:Grok 4.7(SpaceXAI)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,Grok 4.7 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 57.4 比 61.6,在 ±8.6 的误差范围内)。Muse Spark 1.3 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $2.00 比 $3.00)。在两者都有成绩的所有类别中,Muse Spark 1.3 均领先。Muse Spark 1.3 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Grok 4.7 的 BenchLeader Index 为 57.4,Muse Spark 1.3 为 61.6(BenchLeader,2026年11月16日)。
  • Grok 4.7 每百万 token 混合价格为 $3.00(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 Grok 4.7 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 4 项基准测试中,Muse Spark 1.3 领先 4 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Muse Spark 1.3类别得分 61 比 57中
数学均可类别得分 56 比 56均可
推理Muse Spark 1.3类别得分 71 比 56;LMCA 53.9% 比 49.4%高
知识Muse Spark 1.3类别得分 81 比 60;PRBench Legal 61.6% 比 47.6%高
对话质量(人类偏好)–只有 Grok 4.7 有 Arena 评分(类别得分 63)无法比较
成本最低Muse Spark 1.3每百万 token 混合价格 $2.00 比 $3.00;智能体编程会话 $0.092 比 $0.144–
首次回答最快Muse Spark 1.3首个回答 token 2.6 秒(Muse Spark 1.3)比 55.9 秒(Grok 4.7 (xhigh))–
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

  • Grok 4.7 (xhigh) 与 Muse Spark 1.3 的质量不相上下(57.4 比 61.6,在 ±8.6 的误差范围内)。
  • Muse Spark 1.3 在智能体与工具、知识、数学、推理方面更强。
  • Muse Spark 1.3 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $2.00 比 $3.00)。
  • Muse Spark 1.3 的输出速度是对方的 2.4 倍(163 比 68 token/秒)。

概览

规格Grok 4.7Muse Spark 1.3
提供商SpaceXAIMeta
发布日期2026年9月21日2026年9月2日
上下文窗口(token)500,0001,048,576
对比时的配置Grok 4.7 (xhigh)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 / $6.00 / $0.500$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Grok 4.7 (xhigh)Muse Spark 1.3领先者
推理55.671.0Muse Spark 1.3
编程60.9–无法比较
智能体与工具56.961.3Muse Spark 1.3
数学55.856.3持平
知识59.981.2Muse Spark 1.3
人类偏好62.5–无法比较
多模态55.5–无法比较
长上下文62.9–无法比较
综合52.8–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Grok 4.7, 推理: 55.6Grok 4.7, 智能体与工具: 56.9Grok 4.7, 数学: 55.8Grok 4.7, 知识: 59.9Muse 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,Grok 4.7 领先 0 项,Muse Spark 1.3 领先 4 项。所有同时评测两者的综合评分都认为 Muse Spark 1.3 更强。

综合 IndexGrok 4.7 (xhigh)Muse Spark 1.3领先者
BenchLeader Index57.461.6不相上下
AA Intelligence Index v5.0.135.536.6†Muse Spark 1.3
Arena Text14431497†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Grok 4.7 (xhigh)Muse Spark 1.3
每百万 token 混合价格$3.00$2.00
每百万 token 输入 / 输出$2.00 / $6.00$1.25 / $4.25
每百万 token 缓存输入$0.500$0.150
每项任务价格:聊天回复$0.0026$0.0018
每项任务价格:总结一份 30 页的报告$0.028$0.018
每项任务价格:代码编辑$0.021$0.014
每项任务价格:智能体编程会话$0.144$0.092
每项任务价格:结构化信息提取$0.0052$0.0034
智能体编程会话(输入大多命中缓存)$0.076$0.043
每项基准测试任务成本(AA Index)$7.77–
每项任务输出 token(AA Index)105k–
其中推理部分69k–
每项任务耗时(AA Index)26 min–
输出速度68 tok/s163 tok/s
首次回答时间55.9 秒2.6 秒
完整回答耗时(最近一次测量 2026年11月13日)145.5 秒–

每个模型都按其排名最高的推理强度设置进行对比。Grok 4.7 (xhigh) 得分 57.4,首个回答 token 需 56 秒;Grok 4.7 (high) 为 56.9(35 秒),Grok 4.7 (low) 为 55.4(10 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 160 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Grok 4.7 (xhigh)Muse Spark 1.3
BenchLeader IndexBenchLeader57.461.6
智能体与工具得分BenchLeader56.961.3
编程得分BenchLeader60.9–
综合得分BenchLeader52.8–
人类偏好得分BenchLeader62.5–
知识得分BenchLeader59.981.2
长上下文得分BenchLeader62.9–
数学得分BenchLeader55.856.3
多模态得分BenchLeader55.5–
推理得分BenchLeader55.671.0
混合价格(美元/百万 token)BenchLeader$3.00$2.00
输出速度BenchLeader68 tok/s163 tok/s
首次回答时间BenchLeader55.9 秒2.6 秒
上下文窗口BenchLeader500,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub92.7%–
SimpleBenchSimpleBench–81.8%
Arena Hard PromptsArena (LMArena)14661517†
LiveBench 2.0 ReasoningLiveBench82.7%89.7%†
LiveBench 1.0 ReasoningLiveBench82.7%89.7%†
GPQA Diamond (AA)Artificial Analysis–93.5%†
Humanity's Last Exam (AA)Artificial Analysis43.1%48.7%†
HLE-Diamond (AA)Artificial Analysis23.2%33.7%†
ARC-AGI-1ARC Prize89.5%–
ARC-AGI-2ARC Prize61.4%–
ARC-AGI-3ARC Prize7.0%–
CritPtArtificial Analysis17.7%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis33.5%48.0%†
MysteryMechanismVals AI25.2%36.0%†
HLE-Diamond (Scale)Scale AI SEAL23.4%†25.4%
Arena ExpertArena (LMArena)14781521†
Chess PuzzlesEpoch AI Benchmarking Hub41.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub29.0%25.0%†
LMCAEpoch AI Benchmarking Hub49.4%53.9%
DTBenchEpoch AI Benchmarking Hub96.0%96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SciCodeSciCode57.4%58.8%†
FrontierCodeCognition47.6%†–
Arena CodingArena (LMArena)14931534†
显示全部 160 项基准测试
指标发布方Grok 4.7 (xhigh)Muse Spark 1.3
编程
Arena WebDevArena (LMArena)16411655†
LiveBench 2.0 CodingLiveBench73.1%84.4%†
LiveBench 1.0 CodingLiveBench77.2%81.1%†
IOIVals AI57.7%56.6%†
Code MigrationVals AI44.8%47.4%†
Code Migration v1.1Vals AI53.2%–
ProgramBenchVals AI0.5%2.5%†
SWE-bench MultimodalVals AI42.9%43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI86.2%85.9%†
Vibe Code Bench 1-100 v1.1Vals AI26.4%–
SWE Atlas v1.1Scale AI SEAL62.1%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%†–
SWE Atlas v1.1: Test WritingScale AI SEAL64.4%†–
SWE Atlas v1.1: RefactoringScale AI SEAL48.6%†–
MirrorCodeEpoch AI Benchmarking Hub54.4%54.4%†
CursorBenchCursor46.3%41.6%†
ALE-BenchEpoch AI Benchmarking Hub1545.81688.3†
FrontierSWEEpoch AI Benchmarking Hub29.5%25.8%†
WeirdML v3WeirdML8.4%6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%†
Startrise FrontendStartrise75.9%†74.7%
GameBench 2 OverallDuelLab GameBench 263.6†57.7
GameBench 2 by reasoning settingDuelLab GameBench 271.268.5†
Design Arena WebsiteDesign Arena1244†1353†
FrontierCode 1.1 (AA)Artificial Analysis33.8%40.6%†
FrontierCode 2.0 (AA)Artificial Analysis28.7%23.1%†
智能体与工具
Terminal-BenchTerminal-Bench38.8%14.8%†
APEX-AgentsMercor54.6%†58.6%
Arena AgentArena (LMArena)2.62.2†
LiveBench Long AgenticLiveBench45.3%47.9%†
LiveBench BrowserLiveBench49.3%30.9%†
LiveBench Agentic CodingLiveBench54.0%64.1%†
Terminal-Bench 2.1 (Vals)Vals AI73.4%79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1, normalised scoreArtificial Analysis60.7%–
GDPval-AA v2.1Artificial Analysis17171681†
τ³-Banking (AA)Artificial Analysis–50.5%†
ITBench SRE (AA)Artificial Analysis42.1%33.2%†
Analyst Agent (AA)Artificial Analysis52.5%37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI69.5%72.7%†
Finance Agent v2Vals AI52.3%60.0%†
Finance Agent v2.1Vals AI60.6%–
Harvey's Legal Agent Benchmark v1.1Vals AI18.3%–
Harvey's Legal Agent Benchmark v1Vals AI12.5%23.8%†
Legal Research BenchVals AI47.1%55.3%†
Robo-benchVals AI0.2%–
SREBenchVals AI3.8%3.8%†
Tax Agent BenchVals AI35.8%42.4%†
Terminal-Bench 4.0 (Vals)Vals AI28.8%24.8%†
Terminal-Bench ScienceVals AI10.0%10.0%†
Arena Agent Task CompletionArena (LMArena)5.13.7†
Vending-Bench 2Andon Labs10536.8†–
AutomationBenchArtificial Analysis65.6%57.9%†
GDP.pdf (AA)Artificial Analysis20.0%26.6%†
Harvey LAB-AA v1.1Harvey9.4%8.9%†
AA-Briefcase v1.1Artificial Analysis16361581†
GDPxGDPx by SemiAnalysis3.9%–
Design Arena AgenticDesign Arena1277†1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis11.4%10.9%†
CWE-Bench (AA)Artificial Analysis68.3%60.8%†
DeepSec-Bench (AA)Artificial Analysis26.9%12.5%†
CyberGym end-to-end (AA)Artificial Analysis74.0%59.5%†
MKA (AA)Artificial Analysis40.1%–
FACTS SearchGoogle85.6%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub53.0%74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub98.1%99.2%†
ProofBenchVals AI26.0%†55.0%
LiveBench MathematicsLiveBench95.7%96.0%†
Arena MathsArena (LMArena)14471506†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub56.0%–
LiveBench 2.0 Data AnalysisLiveBench76.9%79.6%†
LiveBench ResearchLiveBench89.5%82.5%†
LiveBench 1.0 Data AnalysisLiveBench76.9%79.6%†
AA-Omniscience v1.1Artificial Analysis31.222.4†
LegalBenchVals AI84.4%–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL47.6%61.6%
BioMysteryBenchVals AI69.3%–
Excel Modeling BenchmarkVals AI67.0%67.4%†
Excel Modeling Benchmark v1.1Vals AI71.5%–
MedCodeVals AI49.5%–
MedScribeVals AI89.4%–
Public Benefits Bench v1.1Vals AI65.6%–
Access to Justice BenchmarkVals AI73.7%72.2%†
Financial Coaching BenchVals AI74.1%70.3%†
Immigration BenchVals AI68.0%64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub22.8%27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis42.7%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis80.0%74.8%†
HealthBench Professional (AA)OpenAI55.8%–
FACTS ParametricGoogle54.3%†–
指令遵循
LiveBench LanguageLiveBench80.1%82.8%†
LiveBench Instruction FollowingLiveBench75.3%78.0%†
Arena Instruction FollowingArena (LMArena)14351485†
人类偏好
Arena TextArena (LMArena)14431497†
EQ-Bench Creative Writing v3EQ-Bench2012†1907
Arena Creative WritingArena (LMArena)14211468†
Arena Multi-turnArena (LMArena)14351493†
Arena Longer QueriesArena (LMArena)14541498†
多模态
Arena VisionArena (LMArena)12301310†
LiveBench DesignLiveBench75.0%74.8%†
MMMU-ProArtificial Analysis78.2%†82.0%†
SAGEVals AI88.7%–
Humanity's Sixth SenseScale AI SEAL–37.4%†
GeoBenchGeoBench61.0%†86.0%
Blueprint-Bench 2Epoch AI Benchmarking Hub32.5%†–
Furniture AssemblyEpoch AI Benchmarking Hub20.8%–
VIALS-AAHandshake AI37.9%–
Code2Video-AAArtificial Analysis11271019†
AA-3DArtificial Analysis9921032†
FACTS MultimodalGoogle40.9%†–
长上下文
AA-LCR v1.1Artificial Analysis76.7%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis20.0%13.9%†
FACTS GroundingGoogle68.6%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.2†158.2
LiveBench 2.0LiveBench67.9%68.6%†
LiveBench 1.0LiveBench77.4%81.6%†
AA Intelligence Index v5.0.1Artificial Analysis35.536.6†
AA Intelligence Index v4.3.2Artificial Analysis46.548.1†
AA Progress Index v1Artificial Analysis322.7324.5†
Vals IndexVals AI58.6–
Vals Finance IndexVals AI58.8%–
Vals RSI IndexVals AI20.2%19.6%†
Vals Science IndexVals AI34.8%–
Vals Router IndexVals AI58.6%†–
Vals Legal IndexVals AI72.7%–
AA Cyber IndexArtificial Analysis56.444.3†
安全与诚实
DistressBenchScale AI SEAL52.4%†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

  • Grok 4.7 (xhigh):BenchLeader Index 58.0 → 57.4。
  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Grok 4.7 (xhigh):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Grok 4.7 (xhigh):1 项新结果(MirrorCode)。
  • Muse Spark 1.3:2 项新结果(SimpleBench, GeoBench)。
  • Grok 4.7 (xhigh):1 项新结果(ALE-Bench)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Grok 4.7 (xhigh):2 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

Grok 4.7 vs Muse Spark 1.3:常见问题

Grok 4.7 比 Muse Spark 1.3 更好吗?
Grok 4.7 (xhigh) 与 Muse Spark 1.3 的质量不相上下(57.4 比 61.6,在 ±8.6 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。
Grok 4.7 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 $3.00(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。
Grok 4.7 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.3 输出更快(约 1.5 倍;输出 163 比 68 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Grok 4.7 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 57,50 为平均水平)。
处理长文档哪个更好?
Muse Spark 1.3 支持更长的上下文:1,048,576 token,Grok 4.7 为 500,000 token。
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 55.9 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 Grok 4.7 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,Grok 4.7 领先 0 项,Muse Spark 1.3 领先 4 项。所有同时评测两者的综合评分都认为 Muse Spark 1.3 更强。
Grok 4.7 是什么时候发布的?
Grok 4.7 于 2026年9月21日 发布。