BenchLeader

MiMo-V2.6-Pro vs Muse Spark 1.2

完整资料:MiMo-V2.6-Pro(Xiaomi)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 10 个来源

截至 2026年11月16日,MiMo-V2.6-Pro 与 Muse Spark 1.2 的质量不相上下(BenchLeader Index 57.5 比 61.5,在 ±6.4 的误差范围内)。MiMo-V2.6-Pro 更便宜,对方的价格是它的 3.7 倍(每百万 token 混合价格 $0.544 比 $2.00)。看重编程(59 比 55)、长上下文(68 比 64)和智能体与工具(57 比 55)选 MiMo-V2.6-Pro;看重知识(65 比 42)、推理(68 比 50)和多模态(65 比 60)选 Muse Spark 1.2。Muse Spark 1.2 的首次回答更快(11.4 秒 比 42.3 秒)。Muse Spark 1.2 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • MiMo-V2.6-Pro 的 BenchLeader Index 为 57.5,Muse Spark 1.2 为 61.5(BenchLeader,2026年11月16日)。
  • MiMo-V2.6-Pro 每百万 token 混合价格为 $0.544(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 MiMo-V2.6-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 41 项基准测试中,MiMo-V2.6-Pro 领先 27 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,MiMo-V2.6-Pro 的评分为 1625,Muse Spark 1.2 为 1534(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MiMo-V2.6-Pro类别得分 59 比 55;Arena WebDev 1625 比 1534中
智能体与工具调用MiMo-V2.6-Pro类别得分 57 比 55;Arena Agent 2.4 比 -8.2中
数学Muse Spark 1.2类别得分 67 比 66;Arena Maths 1486 比 1484中
推理Muse Spark 1.2类别得分 68 比 50;Arena Hard Prompts 1514 比 1504高
知识Muse Spark 1.2类别得分 65 比 42;MedCode 49.4% 比 45.0%高
长文档MiMo-V2.6-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Muse Spark 1.2类别得分 65 比 60;Arena Vision 1305 比 1266中
对话质量(人类偏好)Muse Spark 1.2Arena 投票 69 比 67中
成本最低MiMo-V2.6-Pro每百万 token 混合价格 $0.548 比 $2.00;智能体编程会话 $0.030 比 $0.092–
首次回答最快Muse Spark 1.2首个回答 token 11.4 秒(Muse Spark 1.2 (xhigh))比 42.3 秒(MiMo-V2.6-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

  • MiMo-V2.6-Pro 与 Muse Spark 1.2 (xhigh) 的质量不相上下(57.5 比 61.5,在 ±6.4 的误差范围内)。
  • MiMo-V2.6-Pro 在智能体与工具、编程、长上下文方面更强。
  • Muse Spark 1.2 (xhigh) 在人类偏好、知识、数学、多模态、推理方面更强。
  • MiMo-V2.6-Pro 更便宜,对方的价格是它的 3.7 倍(每百万 token 混合价格 $0.544 比 $2.00)。
  • Muse Spark 1.2 (xhigh) 的输出速度是对方的 3.9 倍(208 比 54 token/秒)。

概览

规格MiMo-V2.6-ProMuse Spark 1.2
提供商XiaomiMeta
发布日期2026年9月21日2026年8月5日
上下文窗口(token)1,048,5761,048,576
对比时的配置MiMo-V2.6-ProMuse Spark 1.2 (xhigh)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.440 / $0.870 / $0.0036$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MiMo-V2.6-ProMuse Spark 1.2 (xhigh)领先者
推理49.968.1Muse Spark 1.2
编程58.854.7MiMo-V2.6-Pro
智能体与工具57.155.4MiMo-V2.6-Pro
数学65.566.8Muse Spark 1.2
知识42.364.5Muse Spark 1.2
人类偏好67.068.6Muse Spark 1.2
多模态60.265.3Muse Spark 1.2
长上下文67.964.1MiMo-V2.6-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。

2550 avg75推理编程智能体与工具数学知识长上下文多模态人类偏好MiMo-V2.6-Pro, 推理: 49.9MiMo-V2.6-Pro, 编程: 58.8MiMo-V2.6-Pro, 智能体与工具: 57.1MiMo-V2.6-Pro, 数学: 65.5MiMo-V2.6-Pro, 知识: 42.3MiMo-V2.6-Pro, 长上下文: 67.9MiMo-V2.6-Pro, 多模态: 60.2MiMo-V2.6-Pro, 人类偏好: 67.0Muse Spark 1.2, 推理: 68.1Muse Spark 1.2, 编程: 54.7Muse Spark 1.2, 智能体与工具: 55.4Muse Spark 1.2, 数学: 66.8Muse Spark 1.2, 知识: 64.5Muse Spark 1.2, 长上下文: 64.1Muse Spark 1.2, 多模态: 65.3Muse Spark 1.2, 人类偏好: 68.6

未绘制(测得的模型少于两个):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 41 项基准测试中,MiMo-V2.6-Pro 领先 27 项,Muse Spark 1.2 领先 13 项,1 项持平。所有同时评测两者的综合评分都认为 Muse Spark 1.2 更强。

综合 IndexMiMo-V2.6-ProMuse Spark 1.2 (xhigh)领先者
BenchLeader Index57.561.5不相上下
Arena Text14801493Muse 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MiMo-V2.6-ProMuse Spark 1.2 (xhigh)
每百万 token 混合价格$0.548$2.00
每百万 token 输入 / 输出$0.440 / $0.870$1.25 / $4.25
每百万 token 缓存输入$0.0036$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$0.0058$0.018
每项任务价格:代码编辑$0.0039$0.014
每项任务价格:智能体编程会话$0.030$0.092
每项任务价格:结构化信息提取$0.0011$0.0034
智能体编程会话(输入大多命中缓存)$0.010$0.043
每项基准测试任务成本(AA Index)$0.257–
每项任务输出 token(AA Index)121k–
其中推理部分86k–
每项任务耗时(AA Index)38 min–
输出速度54 tok/s208 tok/s
首次回答时间42.3 秒11.4 秒
完整回答耗时(最近一次测量 2026年11月13日)95.7 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。MiMo-V2.6-Pro 得分 57.5,首个回答 token 需 42 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 129 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MiMo-V2.6-ProMuse Spark 1.2 (xhigh)
BenchLeader IndexBenchLeader57.561.5
智能体与工具得分BenchLeader57.155.4
编程得分BenchLeader58.854.7
人类偏好得分BenchLeader67.068.6
知识得分BenchLeader42.364.5
长上下文得分BenchLeader67.964.1
数学得分BenchLeader65.566.8
多模态得分BenchLeader60.265.3
推理得分BenchLeader49.968.1
混合价格(美元/百万 token)BenchLeader$0.548$2.00
输出速度BenchLeader54 tok/s208 tok/s
首次回答时间BenchLeader42.3 秒11.4 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
SimpleBenchSimpleBench–74.5%†
Arena Hard PromptsArena (LMArena)15041514
LiveBench 2.0 ReasoningLiveBench79.6%†–
LiveBench 1.0 ReasoningLiveBench–90.0%
GPQA Diamond (AA)Artificial Analysis–90.4%
Humanity's Last Exam (AA)Artificial Analysis49.4%45.5%
HLE-Diamond (AA)Artificial Analysis15.2%–
CritPtArtificial Analysis26.6%17.7%
CritPt v2 hard subset (AA)Artificial Analysis34.0%–
MysteryMechanismVals AI15.3%–
Arena ExpertArena (LMArena)15261503
Chess PuzzlesEpoch AI Benchmarking Hub–27.0%
LMCAEpoch AI Benchmarking Hub–48.4%
DTBenchEpoch AI Benchmarking Hub–94.7%
编程
SciCodeSciCode60.9%57.4%
WeirdMLWeirdML–60.3%
Arena CodingArena (LMArena)15381542
Arena WebDevArena (LMArena)16251534
LiveBench 2.0 CodingLiveBench64.5%†–
LiveBench 1.0 CodingLiveBench–77.5%
IOIVals AI39.3%21.8%
SWE-bench (Vals)Vals AI–86.6%
Code MigrationVals AI43.0%29.9%
Code Migration v1.1Vals AI48.8%–
ProgramBenchVals AI0.5%0.5%
显示全部 129 项基准测试
指标发布方MiMo-V2.6-ProMuse Spark 1.2 (xhigh)
编程
SWE-bench MultimodalVals AI41.3%–
Vibe Code Bench v1.1Vals AI85.2%79.1%
Vibe Code Bench 1-100 v1.1Vals AI26.4%–
DeepSWE v1.1Epoch AI Benchmarking Hub–54.9%
ALE-BenchEpoch AI Benchmarking Hub1158.1–
FrontierSWEEpoch AI Benchmarking Hub–12.0%
Terminal-Bench 4.0 (AA)Artificial Analysis34.9%7.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–80.2%
Startrise FrontendStartrise–70.3%†
GameBench 2 OverallDuelLab GameBench 2–51.5†
GameBench 2 by reasoning settingDuelLab GameBench 249.8†56.9
Design Arena WebsiteDesign Arena13111309†
FrontierCode 1.1 (AA)Artificial Analysis45.4%–
FrontierCode 2.0 (AA)Artificial Analysis24.0%–
智能体与工具
Terminal-BenchTerminal-Bench27.0%†–
APEX-AgentsMercor54.4%45.4%†
Arena AgentArena (LMArena)2.4-8.2
LiveBench Long AgenticLiveBench36.4%†–
LiveBench BrowserLiveBench77.3%†–
LiveBench Agentic CodingLiveBench–57.6%
Terminal-Bench 2.1 (Vals)Vals AI67.8%69.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis59.1%–
GDPval-AA v2.1Artificial Analysis16921478
τ³-Banking (AA)Artificial Analysis–34.9%
Analyst Agent (AA)Artificial Analysis37.5%–
CyberBenchVals AI72.9%69.5%
Finance Agent v2Vals AI57.3%60.6%
Finance Agent v2.1Vals AI64.3%–
Harvey's Legal Agent Benchmark v1.1Vals AI13.8%–
Harvey's Legal Agent Benchmark v1Vals AI10.8%25.4%
Legal Research BenchVals AI47.1%43.8%
SkillsBenchVals AI–53.0%
SREBenchVals AI3.0%0.0%
Tax Agent BenchVals AI32.4%32.8%
Terminal-Bench 4.0 (Vals)Vals AI31.3%6.1%
Terminal-Bench ScienceVals AI2.9%–
Arena Agent Task CompletionArena (LMArena)5-9.8
AutomationBenchArtificial Analysis58.6%40.6%
GDP.pdf (AA)Artificial Analysis19.2%17.4%
EnterpriseOps-GymArtificial Analysis–47.3%
AA-Briefcase v1.1Artificial Analysis15121323
Design Arena AgenticDesign Arena12711185†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis5.7%–
CWE-Bench (AA)Artificial Analysis63.3%–
DeepSec-Bench (AA)Artificial Analysis26.2%–
CyberGym end-to-end (AA)Artificial Analysis78.6%–
MKA (AA)Artificial Analysis37.3%–
数学
ProofBenchVals AI70.0%43.0%†
LiveBench MathematicsLiveBench–91.2%
Arena MathsArena (LMArena)14841486
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–60.3%
LiveBench 2.0 Data AnalysisLiveBench72.3%†–
LiveBench ResearchLiveBench84.8%†–
LiveBench 1.0 Data AnalysisLiveBench–76.5%
AA-Omniscience v1.1Artificial Analysis-4.5–
MMLU-ProVals AI–88.3%
LegalBenchVals AI–85.3%
CorpFinVals AI–70.9%
TaxEvalVals AI–80.4%
BioMysteryBenchVals AI–64.8%
Excel Modeling BenchmarkVals AI62.9%57.0%
Excel Modeling Benchmark v1.1Vals AI67.3%–
MedCodeVals AI45.0%49.4%
MedScribeVals AI88.3%90.1%
Public Benefits Bench v1.1Vals AI68.9%68.5%
Access to Justice BenchmarkVals AI70.0%–
Financial Coaching BenchVals AI75.4%75.7%
Immigration BenchVals AI67.5%66.5%
GDP.pdfEpoch AI Benchmarking Hub–16.0%
AA-Omniscience v1.1: accuracyArtificial Analysis34.8%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.8%–
指令遵循
LiveBench LanguageLiveBench–78.6%
LiveBench Instruction FollowingLiveBench–74.3%
Arena Instruction FollowingArena (LMArena)14721479
人类偏好
Arena TextArena (LMArena)14801493
EQ-Bench Creative Writing v3EQ-Bench–1842†
Arena Creative WritingArena (LMArena)14481443
Arena Multi-turnArena (LMArena)14621510
Arena Longer QueriesArena (LMArena)14961491
多模态
Arena VisionArena (LMArena)12661305
LiveBench DesignLiveBench74.3%†–
MMMU-Pro (Vals)Vals AI–86.1%
MortgageTaxVals AI–65.4%
SAGEVals AI84.5%–
Humanity's Sixth SenseScale AI SEAL25.2%†24.5%
VIALS-AAHandshake AI43.5%–
Code2Video-AAArtificial Analysis1052–
AA-3DArtificial Analysis983–
长上下文
AA-LCR v1.1Artificial Analysis86.3%79.0%
MLCRArtificial Analysis12.8%7.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–155.0†
LiveBench 2.0LiveBench66.1%†–
LiveBench 1.0LiveBench–78.0%
AA Intelligence Index v5.0.1Artificial Analysis29.9–
AA Intelligence Index v4.3.2Artificial Analysis46.339.6
AA Progress Index v1Artificial Analysis321.2309.1
Vals IndexVals AI57.8–
Vals Finance IndexVals AI57.9%–
Vals Multimodal IndexVals AI–69.8%†
Vals Router IndexVals AI57.8%–
Vals Legal IndexVals AI72.1%–
AA Cyber IndexArtificial Analysis56.1–
安全与诚实
DistressBenchScale AI SEAL–88.4%†
元数据
AA Openness IndexArtificial Analysis52.8–

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

  • MiMo-V2.6-Pro:1 项分数修订。
  • Muse Spark 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • MiMo-V2.6-Pro:1 项分数修订。
  • MiMo-V2.6-Pro:6 项分数修订。
  • MiMo-V2.6-Pro:1 项分数修订。
  • Muse Spark 1.2 (xhigh):1 项分数修订。
  • MiMo-V2.6-Pro:1 项分数修订。
  • Muse Spark 1.2 (xhigh):1 项分数修订。
  • MiMo-V2.6-Pro:BenchLeader Index 61.1 → 57.2。
  • Muse Spark 1.2 (xhigh):BenchLeader Index 62.2 → 61.6。

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

MiMo-V2.6-Pro vs Muse Spark 1.2:常见问题

MiMo-V2.6-Pro 比 Muse Spark 1.2 更好吗?
MiMo-V2.6-Pro 与 Muse Spark 1.2 (xhigh) 的质量不相上下(57.5 比 61.5,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。
MiMo-V2.6-Pro 和 Muse Spark 1.2 哪个更便宜?价格会变吗?
目前 MiMo-V2.6-Pro 更便宜:每百万 token $0.544 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 MiMo-V2.6-Pro 还是 Muse Spark 1.2 更好?
MiMo-V2.6-Pro 在编程方面得分更高(类别得分 59 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,MiMo-V2.6-Pro 为 1625,Muse Spark 1.2 为 1534。
MiMo-V2.6-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 54 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 MiMo-V2.6-Pro 还是 Muse Spark 1.2 更好?
MiMo-V2.6-Pro 在智能体任务方面得分更高(类别得分 57 比 55,50 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,MiMo-V2.6-Pro 为 2.4,Muse Spark 1.2 为 -8.2。
更多问题(4)
处理长文档哪个更好?
MiMo-V2.6-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 42.3 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 MiMo-V2.6-Pro 和 Muse Spark 1.2 的看法一致吗?
在两者都有结果的 41 项基准测试中,MiMo-V2.6-Pro 领先 27 项,Muse Spark 1.2 领先 13 项,1 项持平。所有同时评测两者的综合评分都认为 Muse Spark 1.2 更强。
MiMo-V2.6-Pro 是什么时候发布的?
MiMo-V2.6-Pro 于 2026年9月21日 发布。