BenchLeader

Inkling Small vs Muse Ember

完整资料:Inkling Small(Thinking Machines)和 Muse Ember(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,Inkling Small 与 Muse Ember 的质量不相上下(BenchLeader Index 52.0 比 52.1,在 ±6.4 的误差范围内)。Muse Ember 更便宜,对方的价格是它的 2.6 倍(每百万 token 混合价格 $0.200 比 $0.525)。看重知识(54 比 49)选 Inkling Small;看重编程(60 比 46)、推理(51 比 43)和智能体与工具(52 比 46)选 Muse Ember。Muse Ember 的首次回答更快(5.0 秒 比 15.6 秒)。Muse Ember 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Inkling Small 的 BenchLeader Index 为 52.0,Muse Ember 为 52.1(BenchLeader,2026年11月16日)。
  • Inkling Small 每百万 token 混合价格为 $0.525(标价,2026年11月16日)。
  • Muse Ember 每百万 token 混合价格为 $0.200(标价,2026年11月16日)。
  • Muse Ember 比 Inkling Small 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 24 项基准测试中,Muse Ember 领先 23 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Inkling Small 的评分为 1408,Muse Ember 为 1609(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Muse Ember类别得分 60 比 46;Arena WebDev 1609 比 1408高
智能体与工具调用Muse Ember类别得分 52 比 46;Arena Agent 1.7 比 -18.1中
推理Muse Ember类别得分 51 比 43;HLE-Diamond (AA) 25.1% 比 12.1%高
知识Inkling Small类别得分 54 比 49;AA-Omniscience v1.1 -9.5 比 7.4中
对话质量(人类偏好)–只有 Inkling Small 有 Arena 评分(类别得分 58)无法比较
成本最低Muse Ember每百万 token 混合价格 $0.200 比 $0.525;智能体编程会话 $0.008 比 $0.023–
首次回答最快Muse Ember首个回答 token 5.0 秒(Muse Ember (max))比 15.6 秒(Inkling Small)–
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

  • Inkling Small 与 Muse Ember (max) 的质量不相上下(52.0 比 52.1,在 ±6.4 的误差范围内)。
  • Inkling Small 在知识方面更强。
  • Muse Ember (max) 在智能体与工具、编程、推理方面更强。
  • Muse Ember (max) 更便宜,对方的价格是它的 2.6 倍(每百万 token 混合价格 $0.200 比 $0.525)。
  • Muse Ember (max) 的输出速度是对方的 3.8 倍(437 比 116 token/秒)。

概览

规格Inkling SmallMuse Ember
提供商Thinking MachinesMeta
发布日期2026年7月15日2026年11月9日
上下文窗口(token)65,5361,048,576
对比时的配置Inkling SmallMuse Ember (max)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.300 / $1.20 / $0.116$0.100 / $0.500 / $0.0040

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 SmallMuse Ember (max)领先者
推理43.251.1Muse Ember
编程45.660.0Muse Ember
智能体与工具45.752.4Muse Ember
数学53.0–无法比较
知识54.348.8Inkling Small
人类偏好57.8–无法比较
多模态56.3–无法比较
长上下文62.4–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推理编程智能体与工具知识Inkling Small, 推理: 43.2Inkling Small, 编程: 45.6Inkling Small, 智能体与工具: 45.7Inkling Small, 知识: 54.3Muse Ember, 推理: 51.1Muse Ember, 编程: 60.0Muse Ember, 智能体与工具: 52.4Muse Ember, 知识: 48.8

未绘制(测得的模型少于两个):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 24 项基准测试中,Inkling Small 领先 1 项,Muse Ember 领先 23 项。所有同时评测两者的综合评分都认为 Muse Ember 更强。

综合 IndexInkling SmallMuse Ember (max)领先者
BenchLeader Index52.052.1不相上下
AA Intelligence Index v5.0.112.936.0Muse Ember
Vals Index27.660.5Muse Ember

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 SmallMuse Ember (max)
每百万 token 混合价格$0.525$0.200
每百万 token 输入 / 输出$0.300 / $1.20$0.100 / $0.500
每百万 token 缓存输入$0.116$0.0040
每项任务价格:聊天回复$0.0005$0.0002
每项任务价格:总结一份 30 页的报告$0.0043$0.0015
每项任务价格:代码编辑$0.0036$0.0014
每项任务价格:智能体编程会话$0.023$0.0080
每项任务价格:结构化信息提取$0.0008$0.0003
智能体编程会话(输入大多命中缓存)$0.015$0.0037
每项基准测试任务成本(AA Index)$0.203$0.136
每项任务输出 token(AA Index)37k84k
其中推理部分25k52k
每项任务耗时(AA Index)5 min3 min
输出速度116 tok/s437 tok/s
首次回答时间15.6 秒5.0 秒
完整回答耗时(最近一次测量 2026年11月13日)–12.9 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Inkling Small 上花费 $0.203,在 Muse Ember (max) 上花费 $0.136;完成同样的工作,Muse Ember (max) 输出的 token 是对方的 2.3 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。Inkling Small 得分 52.0,首个回答 token 需 16 秒;Inkling Small (xhigh) 为 47.3(16 秒)。Muse Ember (max) 得分 52.1,首个回答 token 需 5 秒;Muse Ember (xhigh) 为 49.1(4 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 101 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 SmallMuse Ember (max)
BenchLeader IndexBenchLeader52.052.1
智能体与工具得分BenchLeader45.752.4
编程得分BenchLeader45.660.0
人类偏好得分BenchLeader57.8–
知识得分BenchLeader54.348.8
长上下文得分BenchLeader62.4–
数学得分BenchLeader53.0–
多模态得分BenchLeader56.3–
推理得分BenchLeader43.251.1
混合价格(美元/百万 token)BenchLeader$0.525$0.200
输出速度BenchLeader116 tok/s437 tok/s
首次回答时间BenchLeader15.6 秒5.0 秒
上下文窗口BenchLeader65,536 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub88.5%†–
SimpleBenchSimpleBench–72.7%†
Arena Hard PromptsArena (LMArena)1428–
GPQA Diamond (AA)Artificial Analysis89.5%–
Humanity's Last Exam (AA)Artificial Analysis33.3%–
HLE-Diamond (AA)Artificial Analysis12.1%25.1%
GPQA Diamond (Vals)Vals AI83.6%–
ARC-AGI-1ARC Prize84.0%†–
ARC-AGI-2ARC Prize40.1%†–
CritPtArtificial Analysis8.3%–
CritPt v2 hard subset (AA)Artificial Analysis18.5%39.0%
Arena ExpertArena (LMArena)1441–
Mystery Game PuzzlesEpoch AI Benchmarking Hub6.0%†–
编程
SciCodeSciCode49.6%–
Arena CodingArena (LMArena)1472–
Arena WebDevArena (LMArena)14081609
LiveCodeBenchVals AI85.9%–
IOIVals AI9.3%–
SWE-bench (Vals)Vals AI82.2%–
Code MigrationVals AI13.7%–
Code Migration v1.1Vals AI10.4%–
ProgramBenchVals AI0.5%–
Vibe Code Bench v1.1Vals AI19.1%83.7%
SWE Atlas v1.1Scale AI SEAL–56.0%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–61.3%†
显示全部 101 项基准测试
指标发布方Inkling SmallMuse Ember (max)
编程
SWE Atlas v1.1: Test WritingScale AI SEAL–56.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–50.0%†
Terminal-Bench 4.0 (AA)Artificial Analysis1.0%40.9%
Terminal-Bench 2.1 (AA)Artificial Analysis55.1%–
GameBench 2 OverallDuelLab GameBench 229.2–
GameBench 2 by reasoning settingDuelLab GameBench 228.1†–
Design Arena WebsiteDesign Arena–1330†
FrontierCode 1.1 (AA)Artificial Analysis0.6%–
FrontierCode 2.0 (AA)Artificial Analysis4.8%27.2%
智能体与工具
Terminal-BenchTerminal-Bench0.9%†30.6%†
APEX-AgentsMercor–64.3%†
Arena AgentArena (LMArena)-18.11.7
Terminal-Bench 2.1 (Vals)Vals AI55.1%–
MCP AtlasScale AI SEAL79.2%–
GDPval-AA v2.1, normalised scoreArtificial Analysis31.2%–
GDPval-AA v2.1Artificial Analysis1133–
τ³-Banking (AA)Artificial Analysis18.8%–
Analyst Agent (AA)Artificial Analysis27.5%–
CyberBenchVals AI64.1%–
Finance Agent v2Vals AI41.3%–
Finance Agent v2.1Vals AI44.8%63.8%
Harvey's Legal Agent Benchmark v1.1Vals AI2.9%25.0%
Harvey's Legal Agent Benchmark v1Vals AI1.7%–
Legal Research BenchVals AI25.5%49.0%
SkillsBenchVals AI33.6%–
Tax Agent BenchVals AI15.4%38.2%
Terminal-Bench 4.0 (Vals)Vals AI0.0%39.4%
Arena Agent Task CompletionArena (LMArena)-27.6-7.6
AutomationBenchArtificial Analysis4.8%68.1%
GDP.pdf (AA)Artificial Analysis11.2%22.8%
Harvey LAB-AA v1.1Harvey0.0%–
EnterpriseOps-GymArtificial Analysis42.7%–
AA-Briefcase v1.1Artificial Analysis9121520
Terminal-Bench-Science 0.1 (AA)Artificial Analysis0.0%20.0%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub46.3%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub90.0%†–
ProofBenchVals AI6.0%–
Arena MathsArena (LMArena)1452–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub19.1%†–
AA-Omniscience v1.1Artificial Analysis-9.57.4
MMLU-ProVals AI85.6%–
LegalBenchVals AI83.0%–
CorpFinVals AI69.6%–
TaxEvalVals AI75.5%–
Excel Modeling BenchmarkVals AI31.8%–
Excel Modeling Benchmark v1.1Vals AI40.8%72.2%
MedCodeVals AI37.9%–
MedScribeVals AI84.1%–
Public Benefits Bench v1.1Vals AI59.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis31.8%21.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.5%82.6%
指令遵循
Arena Instruction FollowingArena (LMArena)1397–
人类偏好
Arena TextArena (LMArena)1405–
EQ-Bench Creative Writing v3EQ-Bench1491–
Arena Creative WritingArena (LMArena)1319–
Arena Multi-turnArena (LMArena)1414–
Arena Longer QueriesArena (LMArena)1401–
多模态
Arena VisionArena (LMArena)1236–
MMMU-ProArtificial Analysis74.0%–
MortgageTaxVals AI62.3%–
AudioMCScale AI SEAL54.9%–
AudioMC (text output)Scale AI SEAL54.9%–
长上下文
AA-LCR v1.1Artificial Analysis75.7%–
MLCRArtificial Analysis7.8%18.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub150.8–
AA Intelligence Index v5.0.1Artificial Analysis12.936.0
AA Intelligence Index v4.3.2Artificial Analysis25.7–
AA Progress Index v1Artificial Analysis282.7–
Vals IndexVals AI27.660.5
Vals Finance IndexVals AI36.3%60.9%
Vals Multimodal IndexVals AI50.0%–
Vals Router IndexVals AI27.6%–
Vals Legal IndexVals AI57.8%75.7%
安全与诚实
FORTRESSScale AI SEAL–11.9%†
元数据
AA Openness IndexArtificial Analysis33.3–

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

  • Inkling Small:1 项分数修订。
  • Muse Ember (max):1 项新结果(Arena Agent)。
  • Inkling Small:1 项分数修订。
  • Muse Ember (max):2 项新结果(MLCR, Arena WebDev)。
  • Inkling Small:1 项分数修订。
  • Inkling Small:1 项分数修订。
  • Inkling Small:1 项分数修订。
  • Inkling Small:BenchLeader Index 54.9 → 51.9。
  • Inkling Small:5 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $0.089/M → $0.20/M。
  • Inkling Small:1 项新结果(AA-Briefcase v1.1)。

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 Small vs Muse Ember:常见问题

Inkling Small 比 Muse Ember 更好吗?
Inkling Small 与 Muse Ember (max) 的质量不相上下(52.0 比 52.1,在 ±6.4 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。
Inkling Small 和 Muse Ember 哪个更便宜?价格会变吗?
目前 Muse Ember 更便宜:每百万 token $0.200 比 $0.525(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 Small 还是 Muse Ember 更好?
Muse Ember 在编程方面得分更高(类别得分 60 比 46,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Inkling Small 为 1408,Muse Ember 为 1609。
Inkling Small 和 Muse Ember 哪个更快?
Muse Ember 输出更快(3 倍以上;输出 437 比 116 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Inkling Small 还是 Muse Ember 更好?
Muse Ember 在智能体任务方面得分更高(类别得分 52 比 46,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,Inkling Small 为 -18.1,Muse Ember 为 1.7。
更多问题(4)
处理长文档哪个更好?
Muse Ember 支持更长的上下文:1,048,576 token,Inkling Small 为 65,536 token。
哪个延迟更低?
Muse Ember 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 5.0 秒比 15.6 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 Inkling Small 和 Muse Ember 的看法一致吗?
在两者都有结果的 24 项基准测试中,Inkling Small 领先 1 项,Muse Ember 领先 23 项。所有同时评测两者的综合评分都认为 Muse Ember 更强。
Muse Ember 是什么时候发布的?
Muse Ember 于 2026年11月9日 发布。