BenchLeader

Inkling 2 Small vs Muse Spark Open 816B A42B

完整资料:Inkling 2 Small(Thinking Machines)和 Muse Spark Open 816B A42B(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16日,两者共同的基准测试太少,无法判断质量高下。Inkling 2 Small 更便宜,对方的价格是它的 4.2 倍(每百万 token 混合价格 $0.475 比 $2.00)。在两者都有成绩的所有类别中,Muse Spark Open 816B A42B 均领先。

要点(截至 2026年11月16日)

  • Inkling 2 Small 的 BenchLeader Index 为 57.9,Muse Spark Open 816B A42B 为 58.1(BenchLeader,2026年11月16日)。
  • Inkling 2 Small 每百万 token 混合价格为 $0.475(标价,2026年11月16日)。
  • Muse Spark Open 816B A42B 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • 在两者都有结果的 1 项基准测试中,Muse Spark Open 816B A42B 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
编程Muse Spark Open 816B A42B类别得分 65 比 60;SciCode 58.5% 比 52.3%中
推理Muse Spark Open 816B A42B类别得分 63 比 53高
知识Muse Spark Open 816B A42B类别得分 62 比 54高
对话质量(人类偏好)–只有 Inkling 2 Small 有 Arena 评分(类别得分 59)无法比较
成本最低Inkling 2 Small每百万 token 混合价格 $0.475 比 $2.00;智能体编程会话 $0.022 比 $0.092–
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

  • 共同的基准测试太少,无法给出结论。
  • Muse Spark Open 816B A42B (xhigh) 在编程、知识、推理方面更强。
  • Inkling 2 Small 更便宜,对方的价格是它的 4.2 倍(每百万 token 混合价格 $0.475 比 $2.00)。

概览

规格Inkling 2 SmallMuse Spark Open 816B A42B
提供商Thinking MachinesMeta
发布日期2026年11月5日2026年10月15日
上下文窗口(token)1,048,5761,048,576
对比时的配置Inkling 2 SmallMuse Spark Open 816B A42B (xhigh)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.300 / $1.00 / $0.030$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Inkling 2 SmallMuse Spark Open 816B A42B (xhigh)领先者
推理52.863.2Muse Spark Open 816B A42B
编程60.365.1Muse Spark Open 816B A42B
智能体与工具61.1–无法比较
数学–58.7无法比较
知识53.561.5Muse Spark Open 816B A42B
人类偏好58.6–无法比较
多模态64.0–无法比较
长上下文66.4–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推理编程知识Inkling 2 Small, 推理: 52.8Inkling 2 Small, 编程: 60.3Inkling 2 Small, 知识: 53.5Muse Spark Open 816B A42B, 推理: 63.2Muse Spark Open 816B A42B, 编程: 65.1Muse Spark Open 816B A42B, 知识: 61.5

未绘制(测得的模型少于两个):智能体与工具, 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 1 项基准测试中,Inkling 2 Small 领先 0 项,Muse Spark Open 816B A42B 领先 1 项。

综合 IndexInkling 2 SmallMuse Spark Open 816B A42B (xhigh)领先者
BenchLeader Index57.958.1不相上下

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Inkling 2 SmallMuse Spark Open 816B A42B (xhigh)
每百万 token 混合价格$0.475$2.00
每百万 token 输入 / 输出$0.300 / $1.00$1.25 / $4.25
每百万 token 缓存输入$0.030$0.150
每项任务价格:聊天回复$0.0004$0.0018
每项任务价格:总结一份 30 页的报告$0.0042$0.018
每项任务价格:代码编辑$0.0033$0.014
每项任务价格:智能体编程会话$0.022$0.092
每项任务价格:结构化信息提取$0.0008$0.0034
智能体编程会话(输入大多命中缓存)$0.0099$0.043
每项基准测试任务成本(AA Index)$1.18–
每项任务输出 token(AA Index)150k–
其中推理部分88k–
每项任务耗时(AA Index)25 min–
输出速度100 tok/s–
首次回答时间49.0 秒–
完整回答耗时(最近一次测量 2026年11月13日)163.6 秒–

每个模型都按其排名最高的推理强度设置进行对比。Inkling 2 Small 得分 57.9,首个回答 token 需 49 秒。Muse Spark Open 816B A42B (xhigh) 得分 58.1。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 81 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Inkling 2 SmallMuse Spark Open 816B A42B (xhigh)
BenchLeader IndexBenchLeader57.958.1
智能体与工具得分BenchLeader61.1–
编程得分BenchLeader60.365.1
人类偏好得分BenchLeader58.6–
知识得分BenchLeader53.561.5
长上下文得分BenchLeader66.4–
多模态得分BenchLeader64.0–
推理得分BenchLeader52.863.2
数学得分BenchLeader–58.7
混合价格(美元/百万 token)BenchLeader$0.475$2.00
输出速度BenchLeader100 tok/s–
首次回答时间BenchLeader49.0 秒–
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–88.6%
Arena Hard PromptsArena (LMArena)1438–
Humanity's Last Exam (AA)Artificial Analysis44.1%–
HLE-Diamond (AA)Artificial Analysis28.7%–
ARC-AGI-1ARC Prize96.5%†–
ARC-AGI-2ARC Prize81.7%†–
CritPt v2 hard subset (AA)Artificial Analysis35.0%–
MysteryMechanismVals AI25.2%–
Arena ExpertArena (LMArena)1488–
编程
SciCodeSciCode52.3%58.5%
Arena CodingArena (LMArena)1485–
Arena WebDevArena (LMArena)1647–
SciCode (AA)Artificial Analysis52.3%–
ProgramBenchVals AI0.5%–
SWE-bench MultimodalVals AI43.1%–
Vibe Code Bench v1.1Vals AI81.5%–
SWE Atlas v1.1Scale AI SEAL61.9%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL74.2%–
SWE Atlas v1.1: Test WritingScale AI SEAL58.1%–
SWE Atlas v1.1: RefactoringScale AI SEAL53.3%–
SWE-Bench Pro V2Scale AI SEAL97.7%–
SWE-Bench Pro V2 HARDScale AI SEAL86.3%–
ALE-BenchEpoch AI Benchmarking Hub–1590.1
Terminal-Bench 4.0 (AA)Artificial Analysis13.1%–
Terminal-Bench 2.1 (AA)Artificial Analysis81.3%–
显示全部 81 项基准测试
指标发布方Inkling 2 SmallMuse Spark Open 816B A42B (xhigh)
编程
Design Arena WebsiteDesign Arena1335–
FrontierCode 2.0 (AA)Artificial Analysis25.4%–
智能体与工具
Terminal-BenchTerminal-Bench13.0%†–
APEX-AgentsMercor46.8%33.4%†
Arena AgentArena (LMArena)2.5–
MCP AtlasScale AI SEAL85.4%–
GDPval-AA v2.1Artificial Analysis1630–
τ³-Banking (AA)Artificial Analysis40.4%–
Analyst Agent (AA)Artificial Analysis51.3%–
CyberBenchVals AI72.7%–
Finance Agent v2.1Vals AI67.5%–
Harvey's Legal Agent Benchmark v1.1Vals AI21.7%–
Legal Research BenchVals AI46.6%–
SREBenchVals AI1.9%–
Tax Agent BenchVals AI38.9%–
Terminal-Bench 4.0 (Vals)Vals AI12.6%–
Terminal-Bench ScienceVals AI2.9%–
Arena Agent Task CompletionArena (LMArena)3.3–
AutomationBenchArtificial Analysis45.6%–
GDP.pdf (AA)Artificial Analysis25.2%–
EnterpriseOps-GymArtificial Analysis46.8%–
AA-Briefcase v1.1Artificial Analysis1527–
Design Arena AgenticDesign Arena1315–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis5.7%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–69.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub–31.7%
OTIS Mock AIMEEpoch AI Benchmarking Hub–98.1%
ArXivMathMathArena31.9%–
BrokenArXivMathArena63.2%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–56.6%
AA-Omniscience v1.1Artificial Analysis16.1–
BioMysteryBenchVals AI70.0%–
Excel Modeling Benchmark v1.1Vals AI69.5%–
AA-Omniscience v1.1: accuracyArtificial Analysis33.8%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis73.3%–
指令遵循
Arena Instruction FollowingArena (LMArena)1410–
人类偏好
Arena TextArena (LMArena)1412–
Arena Creative WritingArena (LMArena)1345–
Arena Multi-turnArena (LMArena)1415–
Arena Longer QueriesArena (LMArena)1410–
多模态
MMMU-ProArtificial Analysis81.6%–
SAGEVals AI88.6%–
Humanity's Sixth SenseScale AI SEAL33.3%–
VIALS-AAHandshake AI42.9%–
Code2Video-AAArtificial Analysis1020–
AA-3DArtificial Analysis1027–
长上下文
AA-LCR v1.1Artificial Analysis83.3%–
MLCRArtificial Analysis20.6%–
综合
AA Intelligence Index v5.0.1Artificial Analysis30.6–
Vals IndexVals AI56.1–
Vals Finance IndexVals AI61.5%–
Vals Science IndexVals AI32.7%–
Vals Legal IndexVals AI73.9%–
安全与诚实
FORTRESSScale AI SEAL16.2%–
DistressBenchScale AI SEAL82.3%–
元数据
AA Openness IndexArtificial Analysis38.9–

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。

变化

  • Inkling 2 Small:1 项分数修订;价格 $0.060/M → $0.030/M。
  • Inkling 2 Small:1 项分数修订。
  • Inkling 2 Small:BenchLeader Index 58.4 → 57.9。
  • Inkling 2 Small:2 项新结果(FORTRESS, Design Arena Agentic)。
  • Inkling 2 Small:2 项新结果(MysteryMechanism, Vals Science Index);1 项分数修订。
  • Muse Spark Open 816B A42B (xhigh):BenchLeader Index 58.6 → 58.1。
  • Inkling 2 Small:3 项新结果(SciCode, APEX-Agents, MLCR)。
  • Inkling 2 Small:8 项新结果(Arena Text, Arena Hard Prompts, Arena Coding…);2 项分数修订。
  • Inkling 2 Small:BenchLeader Index 57.5 → 58.4。
  • Inkling 2 Small:1 项新结果(Arena WebDev)。

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

Inkling 2 Small vs Muse Spark Open 816B A42B:常见问题

Inkling 2 Small 比 Muse Spark Open 816B A42B 更好吗?
共同的基准测试太少,无法给出结论。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。
Inkling 2 Small 和 Muse Spark Open 816B A42B 哪个更便宜?价格会变吗?
目前 Inkling 2 Small 更便宜:每百万 token $0.475 比 $2.00(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 Inkling 2 Small 还是 Muse Spark Open 816B A42B 更好?
Muse Spark Open 816B A42B 在编程方面得分更高(类别得分 65 比 60,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Inkling 2 Small 为 52.3%,Muse Spark Open 816B A42B 为 58.5%。
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
第三方基准测试对 Inkling 2 Small 和 Muse Spark Open 816B A42B 的看法一致吗?
在两者都有结果的 1 项基准测试中,Inkling 2 Small 领先 0 项,Muse Spark Open 816B A42B 领先 1 项。
更多问题(1)
Inkling 2 Small 是什么时候发布的?
Inkling 2 Small 于 2026年11月5日 发布。