BenchLeader

Kimi K3.1 Pro vs Muse Spark 1.3

完整资料:Kimi K3.1 Pro(Moonshot AI)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 9 个来源

截至 2026年11月16日,Kimi K3.1 Pro 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 61.8 比 61.6,在 ±8.7 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(73 比 56)和智能体与工具(65 比 61)选 Kimi K3.1 Pro;看重知识(81 比 58)和推理(71 比 59)选 Muse Spark 1.3。Muse Spark 1.3 的首次回答更快(2.6 秒 比 157.4 秒)。Muse Spark 1.3 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 1.3 为 61.6(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 1.3 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark 1.3 比 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 8 项基准测试中,Kimi K3.1 Pro 领先 5 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Kimi K3.1 Pro类别得分 65 比 61;APEX-Agents 65.5% 比 58.6%中
数学Kimi K3.1 Pro类别得分 73 比 56;ProofBench 91.0% 比 55.0%高
推理Muse Spark 1.3类别得分 71 比 59高
知识Muse Spark 1.3类别得分 81 比 58;PRBench Finance 59.5% 比 47.5%高
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 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 1.3 的质量不相上下(61.8 比 61.6,在 ±8.7 的误差范围内)。
  • Kimi K3.1 Pro 在智能体与工具、数学方面更强。
  • Muse Spark 1.3 在知识、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)。
  • Muse Spark 1.3 的输出速度是对方的 5.4 倍(163 比 30 token/秒)。

概览

规格Kimi K3.1 ProMuse Spark 1.3
提供商Moonshot AIMeta
发布日期2026年10月23日2026年9月2日
上下文窗口(token)1,048,5761,048,576
对比时的配置Kimi K3.1 ProMuse Spark 1.3
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 ProMuse Spark 1.3领先者
推理59.271.0Muse Spark 1.3
编程59.6–无法比较
智能体与工具64.661.3Kimi K3.1 Pro
数学73.456.3Kimi K3.1 Pro
知识58.281.2Muse Spark 1.3
多模态66.3–无法比较
长上下文67.9–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Kimi K3.1 Pro, 推理: 59.2Kimi K3.1 Pro, 智能体与工具: 64.6Kimi K3.1 Pro, 数学: 73.4Kimi K3.1 Pro, 知识: 58.2Muse 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 8 项基准测试中,Kimi K3.1 Pro 领先 5 项,Muse Spark 1.3 领先 3 项。第三方来源看法不一:Kimi K3.1 Pro 在 AA Intelligence Index v5.0.1 上领先;Muse Spark 1.3 在 Arena Text 上领先。

综合 IndexKimi K3.1 ProMuse Spark 1.3领先者
BenchLeader Index61.861.6不相上下
AA Intelligence Index v5.0.146.536.6†Kimi K3.1 Pro
Arena Text1485†1497Muse 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Kimi K3.1 ProMuse 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)$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/s163 tok/s
首次回答时间157.4 秒2.6 秒
完整回答耗时(最近一次测量 2026年11月13日)417.5 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 1.3 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 139 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 ProMuse Spark 1.3
BenchLeader IndexBenchLeader61.861.6
智能体与工具得分BenchLeader64.661.3
编程得分BenchLeader59.6–
知识得分BenchLeader58.281.2
长上下文得分BenchLeader67.9–
数学得分BenchLeader73.456.3
多模态得分BenchLeader66.3–
推理得分BenchLeader59.271.0
混合价格(美元/百万 token)BenchLeader$4.00$2.00
输出速度BenchLeader30 tok/s163 tok/s
首次回答时间BenchLeader157.4 秒2.6 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
SimpleBenchSimpleBench–81.8%
Arena Hard PromptsArena (LMArena)1504†1517†
LiveBench 2.0 ReasoningLiveBench91.1%†89.7%†
LiveBench 1.0 ReasoningLiveBench–89.7%†
GPQA Diamond (AA)Artificial Analysis–93.5%†
Humanity's Last Exam (AA)Artificial Analysis52.5%48.7%†
HLE-Diamond (AA)Artificial Analysis37.3%33.7%†
CritPtArtificial Analysis24.6%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis49.5%48.0%†
MysteryMechanismVals AI26.1%†36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)1515†1521†
Chess PuzzlesEpoch AI Benchmarking Hub–37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–25.0%†
LMCAEpoch AI Benchmarking Hub57.6%†53.9%
DTBenchEpoch AI Benchmarking Hub93.3%†96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SciCodeSciCode60.8%58.8%†
Arena CodingArena (LMArena)1530†1534†
Arena WebDevArena (LMArena)1687†1655†
LiveBench 2.0 CodingLiveBench67.8%†84.4%†
LiveBench 1.0 CodingLiveBench–81.1%†
IOIVals AI81.9%†56.6%†
Code MigrationVals AI–47.4%†
显示全部 139 项基准测试
指标发布方Kimi K3.1 ProMuse Spark 1.3
编程
ProgramBenchVals AI–2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI84.9%†85.9%†
SWE Atlas v1.1Scale AI SEAL61.1%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%–
SWE Atlas v1.1: Test WritingScale AI SEAL58.9%–
SWE Atlas v1.1: RefactoringScale AI SEAL54.3%–
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub1932.8†1688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML9.9%†6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis67.2%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 278.357.7
GameBench 2 by reasoning settingDuelLab GameBench 284.0†68.5†
Design Arena WebsiteDesign Arena13211353†
FrontierCode 1.1 (AA)Artificial Analysis47.1%40.6%†
FrontierCode 2.0 (AA)Artificial Analysis25.4%23.1%†
智能体与工具
Terminal-BenchTerminal-Bench59.7%†14.8%†
APEX-AgentsMercor65.5%58.6%
Arena AgentArena (LMArena)4.9†2.2†
LiveBench Long AgenticLiveBench38.7%†47.9%†
LiveBench BrowserLiveBench75.9%†30.9%†
LiveBench Agentic CodingLiveBench–64.1%†
Terminal-Bench 2.1 (Vals)Vals AI–79.0%†
HiL-BenchScale AI SEAL61.3%66.9%
GDPval-AA v2.1, normalised scoreArtificial Analysis67.3%–
GDPval-AA v2.1Artificial Analysis18611681†
τ³-Banking (AA)Artificial Analysis–50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis38.8%37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI–60.0%†
Finance Agent v2.1Vals AI61.5%†–
Harvey's Legal Agent Benchmark v1.1Vals AI11.7%†–
Harvey's Legal Agent Benchmark v1Vals AI–23.8%†
Legal Research BenchVals AI37.5%†55.3%†
SREBenchVals AI27.1%†3.8%†
Tax Agent BenchVals AI24.9%†42.4%†
Terminal-Bench 4.0 (Vals)Vals AI63.6%†24.8%†
Terminal-Bench ScienceVals AI31.4%†10.0%†
Arena Agent Task CompletionArena (LMArena)2.7†3.7†
AutomationBenchArtificial Analysis73.3%57.9%†
GDP.pdf (AA)Artificial Analysis31.4%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis16741581†
Design Arena AgenticDesign Arena13011283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis34.3%10.9%†
CWE-Bench (AA)Artificial Analysis60.8%60.8%†
DeepSec-Bench (AA)Artificial Analysis36.7%12.5%†
CyberGym end-to-end (AA)Artificial Analysis94.7%59.5%†
MKA (AA)Artificial Analysis43.9%–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–99.2%†
ProofBenchVals AI91.0%55.0%
LiveBench MathematicsLiveBench–96.0%†
ArXivMathMathArena58.3%†–
BrokenArXivMathArena61.9%†–
Arena MathsArena (LMArena)–1506†
知识
LiveBench 2.0 Data AnalysisLiveBench79.1%†79.6%†
LiveBench ResearchLiveBench82.1%†82.5%†
LiveBench 1.0 Data AnalysisLiveBench–79.6%†
AA-Omniscience v1.1Artificial Analysis29.922.4†
PRBench FinanceScale AI SEAL47.5%59.5%
PRBench LegalScale AI SEAL47.9%61.6%
BioMysteryBenchVals AI75.6%†–
Excel Modeling BenchmarkVals AI–67.4%†
Excel Modeling Benchmark v1.1Vals AI70.0%†–
Access to Justice BenchmarkVals AI69.5%†72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL63.4%†62.2%†
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis48.9%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis62.7%74.8%†
指令遵循
LiveBench LanguageLiveBench–82.8%†
LiveBench Instruction FollowingLiveBench–78.0%†
Arena Instruction FollowingArena (LMArena)1487†1485†
人类偏好
Arena TextArena (LMArena)1485†1497†
EQ-Bench Creative Writing v3EQ-Bench21731907
Arena Creative WritingArena (LMArena)1453†1468†
Arena Multi-turnArena (LMArena)1475†1493†
Arena Longer QueriesArena (LMArena)1491†1498†
多模态
Arena VisionArena (LMArena)–1310†
LiveBench DesignLiveBench73.7%†74.8%†
MMMU-ProArtificial Analysis83.9%82.0%†
Humanity's Sixth SenseScale AI SEAL33.2%†37.4%†
GeoBenchGeoBench–86.0%
VIALS-AAHandshake AI45.3%–
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis11121032†
长上下文
AA-LCR v1.1Artificial Analysis86.3%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis38.3%13.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub161.4158.2
LiveBench 2.0LiveBench68.7%†68.6%†
LiveBench 1.0LiveBench–81.6%†
AA Intelligence Index v5.0.1Artificial Analysis46.536.6†
AA Intelligence Index v4.3.2Artificial Analysis55.148.1†
AA Progress Index v1Artificial Analysis340.7324.5†
Vals IndexVals AI62.5†–
Vals Finance IndexVals AI56.0%†–
Vals RSI IndexVals AI–19.6%†
Vals Science IndexVals AI44.4%†–
Vals Legal IndexVals AI67.0%†–
AA Cyber IndexArtificial Analysis64.144.3†
安全与诚实
FORTRESSScale AI SEAL18.6%–
DistressBenchScale AI SEAL–84.9%
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

  • Kimi K3.1 Pro:BenchLeader Index 61.2 → 61.8。
  • Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
  • Kimi K3.1 Pro:1 项分数修订。
  • Kimi K3.1 Pro:1 项分数修订。
  • 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。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 59.2 → 60.2。
  • Muse Spark 1.3:2 项新结果(SimpleBench, GeoBench)。
  • Kimi K3.1 Pro:2 项新结果(APEX-Agents, Epoch Capabilities Index)。

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 1.3:常见问题

Kimi K3.1 Pro 比 Muse Spark 1.3 更好吗?
Kimi K3.1 Pro 与 Muse Spark 1.3 的质量不相上下(61.8 比 61.6,在 ±8.7 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 1.3 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。
Kimi K3.1 Pro 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.3 输出更快(3 倍以上;输出 163 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 1.3 更好?
Kimi K3.1 Pro 在智能体任务方面得分更高(类别得分 65 比 61,50 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,Kimi K3.1 Pro 为 65.5%,Muse Spark 1.3 为 58.6%。
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
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 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 1.3 的看法一致吗?
在两者都有结果的 8 项基准测试中,Kimi K3.1 Pro 领先 5 项,Muse Spark 1.3 领先 3 项。第三方来源看法不一:Kimi K3.1 Pro 在 AA Intelligence Index v5.0.1 上领先;Muse Spark 1.3 在 Arena Text 上领先。
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。