Kimi K3.1 Pro vs Muse Spark 1.2
完整资料:Kimi K3.1 Pro(Moonshot AI)和 Muse Spark 1.2(Meta),包括全部基准测试、价格和排名。
更新于 · 数据来自 11 个来源
截至 2026年11月16日,Kimi K3.1 Pro 与 Muse Spark 1.2 的质量不相上下(BenchLeader Index 61.8 比 61.5,在 ±5.8 的误差范围内)。Muse Spark 1.2 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)。看重智能体与工具(65 比 55)、数学(73 比 67)和编程(60 比 55)选 Kimi K3.1 Pro;看重推理(68 比 59)和知识(65 比 58)选 Muse Spark 1.2。Muse Spark 1.2 的首次回答更快(11.4 秒 比 157.4 秒)。Muse Spark 1.2 的输出更快(3 倍以上)。
要点(截至 2026年11月16日)
- Kimi K3.1 Pro 的 BenchLeader Index 为 61.8,Muse Spark 1.2 为 61.5(BenchLeader,2026年11月16日)。
- Kimi K3.1 Pro 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
- Muse Spark 1.2 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
- Muse Spark 1.2 比 Kimi K3.1 Pro 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 11 项基准测试中,Kimi K3.1 Pro 领先 11 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 | Kimi K3.1 Pro | 类别得分 60 比 55;SciCode 60.8% 比 57.4% | 中 |
| 智能体与工具调用 | Kimi K3.1 Pro | 类别得分 65 比 55;GDPval-AA v2.1 1861 比 1478 | 高 |
| 数学 | Kimi K3.1 Pro | 类别得分 73 比 67 | 中 |
| 推理 | Muse Spark 1.2 | 类别得分 68 比 59;Humanity's Last Exam (AA) 45.5% 比 52.5% | 高 |
| 知识 | Muse Spark 1.2 | 类别得分 65 比 58 | 中 |
| 长文档 | Kimi K3.1 Pro | 类别得分 68 比 64;AA-LCR v1.1 86.3% 比 79.0% | 中 |
| 图像及其他媒体 | Kimi K3.1 Pro | 类别得分 66 比 65 | 中 |
| 对话质量(人类偏好) | – | 只有 Muse Spark 1.2 有 Arena 评分(类别得分 69) | 无法比较 |
| 成本最低 | Muse Spark 1.2 | 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 1.2 | 首个回答 token 11.4 秒(Muse Spark 1.2 (xhigh))比 157.4 秒(Kimi K3.1 Pro) | – |
| 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
- Kimi K3.1 Pro 与 Muse Spark 1.2 (xhigh) 的质量不相上下(61.8 比 61.5,在 ±5.8 的误差范围内)。
- Kimi K3.1 Pro 在智能体与工具、编程、长上下文、数学、多模态方面更强。
- Muse Spark 1.2 (xhigh) 在知识、推理方面更强。
- Muse Spark 1.2 (xhigh) 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)。
- Muse Spark 1.2 (xhigh) 的输出速度是对方的 6.9 倍(208 比 30 token/秒)。
概览
| 规格 | Kimi K3.1 Pro | Muse Spark 1.2 |
|---|---|---|
| 提供商 | Moonshot AI | Meta |
| 发布日期 | 2026年10月23日 | 2026年8月5日 |
| 上下文窗口(token) | 1,048,576 | 1,048,576 |
| 对比时的配置 | Kimi K3.1 Pro | Muse Spark 1.2 (xhigh) |
| 开放权重 | 是 | 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 | Kimi K3.1 Pro | Muse Spark 1.2 (xhigh) | 领先者 |
|---|---|---|---|
| 推理 | 59.2 | 68.1 | Muse Spark 1.2 |
| 编程 | 59.6 | 54.7 | Kimi K3.1 Pro |
| 智能体与工具 | 64.6 | 55.4 | Kimi K3.1 Pro |
| 数学 | 73.4 | 66.8 | Kimi K3.1 Pro |
| 知识 | 58.2 | 64.5 | Muse Spark 1.2 |
| 人类偏好 | – | 68.6 | 无法比较 |
| 多模态 | 66.3 | 65.3 | Kimi K3.1 Pro |
| 长上下文 | 67.9 | 64.1 | Kimi K3.1 Pro |
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。
未绘制(测得的模型少于两个):指令遵循, 人类偏好。
各来源的分歧
在两者都有结果的 11 项基准测试中,Kimi K3.1 Pro 领先 11 项,Muse Spark 1.2 领先 0 项。所有同时评测两者的综合评分都认为 Muse Spark 1.2 更强。
| 综合 Index | Kimi K3.1 Pro | Muse Spark 1.2 (xhigh) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 61.8 | 61.5 | 不相上下 |
| Arena Text | 1485† | 1493 | Muse Spark 1.2 |
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 | Kimi K3.1 Pro | Muse Spark 1.2 (xhigh) |
|---|---|---|
| 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) | $3.68 | – |
| 每项任务输出 token(AA Index) | 72k | – |
| 其中推理部分 | 44k | – |
| 每项任务耗时(AA Index) | 40 min | – |
| 输出速度 | 30 tok/s | 208 tok/s |
| 首次回答时间 | 157.4 秒 | 11.4 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 417.5 秒 | 23.9 秒 |
每个模型都按其排名最高的推理强度设置进行对比。Kimi K3.1 Pro 得分 61.8,首个回答 token 需 157 秒;Kimi K3.1 Pro (max) 为 59.9(157 秒)。Muse Spark 1.2 (xhigh) 得分 61.5,首个回答 token 需 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 137 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 | Kimi K3.1 Pro | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 61.8 | 61.5 |
| 智能体与工具得分 | BenchLeader | 64.6 | 55.4 |
| 编程得分 | BenchLeader | 59.6 | 54.7 |
| 知识得分 | BenchLeader | 58.2 | 64.5 |
| 长上下文得分 | BenchLeader | 67.9 | 64.1 |
| 数学得分 | BenchLeader | 73.4 | 66.8 |
| 多模态得分 | BenchLeader | 66.3 | 65.3 |
| 推理得分 | BenchLeader | 59.2 | 68.1 |
| 人类偏好得分 | BenchLeader | – | 68.6 |
| 混合价格(美元/百万 token) | BenchLeader | $4.00 | $2.00 |
| 输出速度 | BenchLeader | 30 tok/s | 208 tok/s |
| 首次回答时间 | BenchLeader | 157.4 秒 | 11.4 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,048,576 token |
| 推理 | |||
| SimpleBench | SimpleBench | – | 74.5%† |
| Arena Hard Prompts | Arena (LMArena) | 1504† | 1514 |
| LiveBench 2.0 Reasoning | LiveBench | 91.1%† | – |
| LiveBench 1.0 Reasoning | LiveBench | – | 90.0% |
| GPQA Diamond (AA) | Artificial Analysis | – | 90.4% |
| Humanity's Last Exam (AA) | Artificial Analysis | 52.5% | 45.5% |
| HLE-Diamond (AA) | Artificial Analysis | 37.3% | – |
| CritPt | Artificial Analysis | 24.6% | 17.7% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 49.5% | – |
| MysteryMechanism | Vals AI | 26.1%† | – |
| Arena Expert | Arena (LMArena) | 1515† | 1503 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 27.0% |
| LMCA | Epoch AI Benchmarking Hub | 57.6%† | 48.4% |
| DTBench | Epoch AI Benchmarking Hub | 93.3%† | 94.7% |
| 编程 | |||
| SciCode | SciCode | 60.8% | 57.4% |
| WeirdML | WeirdML | – | 60.3% |
| Arena Coding | Arena (LMArena) | 1530† | 1542 |
| Arena WebDev | Arena (LMArena) | 1687† | 1534 |
| LiveBench 2.0 Coding | LiveBench | 67.8%† | – |
| LiveBench 1.0 Coding | LiveBench | – | 77.5% |
| IOI | Vals AI | 81.9%† | 21.8% |
| SWE-bench (Vals) | Vals AI | – | 86.6% |
| Code Migration | Vals AI | – | 29.9% |
| ProgramBench | Vals AI | – | 0.5% |
| Vibe Code Bench v1.1 | Vals AI | 84.9%† | 79.1% |
显示全部 137 项基准测试
| 指标 | 发布方 | Kimi K3.1 Pro | Muse Spark 1.2 (xhigh) |
|---|---|---|---|
| 编程 | |||
| SWE Atlas v1.1 | Scale AI SEAL | 61.1% | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 70.2% | – |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 58.9% | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 54.3% | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | – | 54.9% |
| ALE-Bench | Epoch AI Benchmarking Hub | 1932.8† | – |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 12.0% |
| WeirdML v3 | WeirdML | 9.9%† | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 67.2% | 7.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 80.2% |
| Startrise Frontend | Startrise | – | 70.3%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 78.3 | 51.5† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 84.0† | 56.9 |
| Design Arena Website | Design Arena | 1321 | 1309† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 47.1% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 25.4% | – |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 59.7%† | – |
| APEX-Agents | Mercor | 65.5% | 45.4%† |
| Arena Agent | Arena (LMArena) | 4.9† | -8.2 |
| LiveBench Long Agentic | LiveBench | 38.7%† | – |
| LiveBench Browser | LiveBench | 75.9%† | – |
| LiveBench Agentic Coding | LiveBench | – | 57.6% |
| Terminal-Bench 2.1 (Vals) | Vals AI | – | 69.7% |
| HiL-Bench | Scale AI SEAL | 61.3% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 67.3% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1861 | 1478 |
| τ³-Banking (AA) | Artificial Analysis | – | 34.9% |
| Analyst Agent (AA) | Artificial Analysis | 38.8% | – |
| CyberBench | Vals AI | – | 69.5% |
| Finance Agent v2 | Vals AI | – | 60.6% |
| Finance Agent v2.1 | Vals AI | 61.5%† | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 11.7%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 25.4% |
| Legal Research Bench | Vals AI | 37.5%† | 43.8% |
| SkillsBench | Vals AI | – | 53.0% |
| SREBench | Vals AI | 27.1%† | 0.0% |
| Tax Agent Bench | Vals AI | 24.9%† | 32.8% |
| Terminal-Bench 4.0 (Vals) | Vals AI | 63.6%† | 6.1% |
| Terminal-Bench Science | Vals AI | 31.4%† | – |
| Arena Agent Task Completion | Arena (LMArena) | 2.7† | -9.8 |
| AutomationBench | Artificial Analysis | 73.3% | 40.6% |
| GDP.pdf (AA) | Artificial Analysis | 31.4% | 17.4% |
| EnterpriseOps-Gym | Artificial Analysis | – | 47.3% |
| AA-Briefcase v1.1 | Artificial Analysis | 1674 | 1323 |
| Design Arena Agentic | Design Arena | 1301 | 1185† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 34.3% | – |
| CWE-Bench (AA) | Artificial Analysis | 60.8% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 36.7% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 94.7% | – |
| MKA (AA) | Artificial Analysis | 43.9% | – |
| 数学 | |||
| ProofBench | Vals AI | 91.0% | 43.0%† |
| LiveBench Mathematics | LiveBench | – | 91.2% |
| ArXivMath | MathArena | 58.3%† | – |
| BrokenArXiv | MathArena | 61.9%† | – |
| Arena Maths | Arena (LMArena) | – | 1486 |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 60.3% |
| LiveBench 2.0 Data Analysis | LiveBench | 79.1%† | – |
| LiveBench Research | LiveBench | 82.1%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | – | 76.5% |
| AA-Omniscience v1.1 | Artificial Analysis | 29.9 | – |
| MMLU-Pro | Vals AI | – | 88.3% |
| LegalBench | Vals AI | – | 85.3% |
| CorpFin | Vals AI | – | 70.9% |
| TaxEval | Vals AI | – | 80.4% |
| PRBench Finance | Scale AI SEAL | 47.5% | – |
| PRBench Legal | Scale AI SEAL | 47.9% | – |
| BioMysteryBench | Vals AI | 75.6%† | 64.8% |
| Excel Modeling Benchmark | Vals AI | – | 57.0% |
| Excel Modeling Benchmark v1.1 | Vals AI | 70.0%† | – |
| MedCode | Vals AI | – | 49.4% |
| MedScribe | Vals AI | – | 90.1% |
| Public Benefits Bench v1.1 | Vals AI | – | 68.5% |
| Access to Justice Benchmark | Vals AI | 69.5%† | – |
| Financial Coaching Bench | Vals AI | – | 75.7% |
| Immigration Bench | Vals AI | – | 66.5% |
| DrugDiscoveryBench | Scale AI SEAL | 63.4%† | – |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 16.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 48.9% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 62.7% | – |
| 指令遵循 | |||
| LiveBench Language | LiveBench | – | 78.6% |
| LiveBench Instruction Following | LiveBench | – | 74.3% |
| Arena Instruction Following | Arena (LMArena) | 1487† | 1479 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1485† | 1493 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2173 | 1842† |
| Arena Creative Writing | Arena (LMArena) | 1453† | 1443 |
| Arena Multi-turn | Arena (LMArena) | 1475† | 1510 |
| Arena Longer Queries | Arena (LMArena) | 1491† | 1491 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1305 |
| LiveBench Design | LiveBench | 73.7%† | – |
| MMMU-Pro | Artificial Analysis | 83.9% | – |
| MMMU-Pro (Vals) | Vals AI | – | 86.1% |
| MortgageTax | Vals AI | – | 65.4% |
| Humanity's Sixth Sense | Scale AI SEAL | 33.2%† | 24.5% |
| VIALS-AA | Handshake AI | 45.3% | – |
| AA-3D | Artificial Analysis | 1112 | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 86.3% | 79.0% |
| MLCR | Artificial Analysis | 38.3% | 7.2% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 161.4 | 155.0† |
| LiveBench 2.0 | LiveBench | 68.7%† | – |
| LiveBench 1.0 | LiveBench | – | 78.0% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 46.5 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 55.1 | 39.6 |
| AA Progress Index v1 | Artificial Analysis | 340.7 | 309.1 |
| Vals Index | Vals AI | 62.5† | – |
| Vals Finance Index | Vals AI | 56.0%† | – |
| Vals Science Index | Vals AI | 44.4%† | – |
| Vals Multimodal Index | Vals AI | – | 69.8%† |
| Vals Legal Index | Vals AI | 67.0%† | – |
| AA Cyber Index | Artificial Analysis | 64.1 | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 18.6% | – |
| DistressBench | Scale AI SEAL | – | 88.4%† |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 33.3 | – |
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
- Kimi K3.1 Pro:BenchLeader Index 61.2 → 61.8。
- Kimi K3.1 Pro:1 项分数修订。
- Kimi K3.1 Pro:1 项分数修订。
- Muse Spark 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
- Kimi K3.1 Pro:1 项新结果(HiL-Bench)。
- Kimi K3.1 Pro:3 项新结果(PRBench Finance, PRBench Legal, FORTRESS);2 项分数修订。
- Kimi K3.1 Pro:2 项新结果(APEX-Agents, Epoch Capabilities Index)。
- Kimi K3.1 Pro:BenchLeader Index 61.8 → 61.2。
- Kimi K3.1 Pro:5 项分数修订。
- Kimi K3.1 Pro:BenchLeader Index 61.3 → 61.8。
相关对比
- Kimi K3.1 Pro vs Claude Fable 5.2
- Kimi K3.1 Pro vs Gemini 4 Carbon
- Kimi K3.1 Pro vs Claude Opus 5.5
- Muse Spark 1.2 vs Claude Fable 5.2
- Muse Spark 1.2 vs Gemini 4 Carbon
- Muse Spark 1.2 vs Claude Opus 5.5
- Muse Spark 1.2 vs GPT-6 Astra
- Kimi K3.1 Pro vs Muse Spark 1.1
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
Kimi K3.1 Pro vs Muse Spark 1.2:常见问题
- Kimi K3.1 Pro 比 Muse Spark 1.2 更好吗?
- Kimi K3.1 Pro 与 Muse Spark 1.2 (xhigh) 的质量不相上下(61.8 比 61.5,在 ±5.8 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。
- Kimi K3.1 Pro 和 Muse Spark 1.2 哪个更便宜?价格会变吗?
- 目前 Muse Spark 1.2 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。
- 编程用 Kimi K3.1 Pro 还是 Muse Spark 1.2 更好?
- Kimi K3.1 Pro 在编程方面得分更高(类别得分 60 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Kimi K3.1 Pro 为 60.8%,Muse Spark 1.2 为 57.4%。
- Kimi K3.1 Pro 和 Muse Spark 1.2 哪个更快?
- Muse Spark 1.2 输出更快(3 倍以上;输出 208 比 30 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Kimi K3.1 Pro 还是 Muse Spark 1.2 更好?
- Kimi K3.1 Pro 在智能体任务方面得分更高(类别得分 65 比 55,50 为平均水平)。
更多问题(4)
- 处理长文档哪个更好?
- Kimi K3.1 Pro 在长上下文基准测试上得分更高(68 比 64)。两者都支持 1,048,576 token 的上下文。
- 哪个延迟更低?
- Muse Spark 1.2 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 11.4 秒比 157.4 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 Kimi K3.1 Pro 和 Muse Spark 1.2 的看法一致吗?
- 在两者都有结果的 11 项基准测试中,Kimi K3.1 Pro 领先 11 项,Muse Spark 1.2 领先 0 项。所有同时评测两者的综合评分都认为 Muse Spark 1.2 更强。
- Kimi K3.1 Pro 是什么时候发布的?
- Kimi K3.1 Pro 于 2026年10月23日 发布。