MiMo-V2.6-Pro vs Muse Spark 1.3
完整资料:MiMo-V2.6-Pro(Xiaomi)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 11 个来源
截至 2026年11月16日,MiMo-V2.6-Pro 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 57.5 比 61.6,在 ±9.1 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)。看重数学(66 比 56)选 MiMo-V2.6-Pro;看重知识(81 比 42)、推理(71 比 50)和智能体与工具(61 比 57)选 Muse Spark 1.3。Muse Spark 1.3 的首次回答更快(2.6 秒 比 42.3 秒)。Muse Spark 1.3 的输出更快(约 1.5 倍)。
要点(截至 2026年11月16日)
- MiMo-V2.6-Pro 的 BenchLeader Index 为 57.5,Muse Spark 1.3 为 61.6(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 1.3 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
- Muse Spark 1.3 比 MiMo-V2.6-Pro 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,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 | Muse Spark 1.3 | 类别得分 61 比 57;APEX-Agents 58.6% 比 54.4% | 中 |
| 数学 | MiMo-V2.6-Pro | 类别得分 66 比 56;ProofBench 70.0% 比 55.0% | 高 |
| 推理 | Muse Spark 1.3 | 类别得分 71 比 50 | 高 |
| 知识 | Muse Spark 1.3 | 类别得分 81 比 42 | 高 |
| 对话质量(人类偏好) | – | 只有 MiMo-V2.6-Pro 有 Arena 评分(类别得分 67) | 无法比较 |
| 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 1.3 | 首个回答 token 2.6 秒(Muse Spark 1.3)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 1.3 的质量不相上下(57.5 比 61.6,在 ±9.1 的误差范围内)。
- MiMo-V2.6-Pro 在数学方面更强。
- Muse Spark 1.3 在智能体与工具、知识、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 1.3 的输出速度是对方的 3.0 倍(163 比 54 token/秒)。
概览
| 规格 | MiMo-V2.6-Pro | Muse Spark 1.3 |
|---|---|---|
| 提供商 | Xiaomi | Meta |
| 发布日期 | 2026年9月21日 | 2026年9月2日 |
| 上下文窗口(token) | 1,048,576 | 1,048,576 |
| 对比时的配置 | MiMo-V2.6-Pro | Muse Spark 1.3 |
| 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-Pro | Muse Spark 1.3 | 领先者 |
|---|---|---|---|
| 推理 | 49.9 | 71.0 | Muse Spark 1.3 |
| 编程 | 58.8 | – | 无法比较 |
| 智能体与工具 | 57.1 | 61.3 | Muse Spark 1.3 |
| 数学 | 65.5 | 56.3 | MiMo-V2.6-Pro |
| 知识 | 42.3 | 81.2 | Muse Spark 1.3 |
| 人类偏好 | 67.0 | – | 无法比较 |
| 多模态 | 60.2 | – | 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。
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。
各来源的分歧
在两者都有结果的 2 项基准测试中,MiMo-V2.6-Pro 领先 1 项,Muse Spark 1.3 领先 1 项。所有同时评测两者的综合评分都认为 Muse Spark 1.3 更强。
| 综合 Index | MiMo-V2.6-Pro | Muse Spark 1.3 | 领先者 |
|---|---|---|---|
| BenchLeader Index | 57.5 | 61.6 | 不相上下 |
| AA Intelligence Index v5.0.1 | 29.9 | 36.6† | Muse Spark 1.3 |
| Arena Text | 1480 | 1497† | Muse 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 | MiMo-V2.6-Pro | Muse Spark 1.3 |
|---|---|---|
| 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/s | 163 tok/s |
| 首次回答时间 | 42.3 秒 | 2.6 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 95.7 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 1.3 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 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 | MiMo-V2.6-Pro | Muse Spark 1.3 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.5 | 61.6 |
| 智能体与工具得分 | BenchLeader | 57.1 | 61.3 |
| 编程得分 | BenchLeader | 58.8 | – |
| 人类偏好得分 | BenchLeader | 67.0 | – |
| 知识得分 | BenchLeader | 42.3 | 81.2 |
| 长上下文得分 | BenchLeader | 67.9 | – |
| 数学得分 | BenchLeader | 65.5 | 56.3 |
| 多模态得分 | BenchLeader | 60.2 | – |
| 推理得分 | BenchLeader | 49.9 | 71.0 |
| 混合价格(美元/百万 token) | BenchLeader | $0.548 | $2.00 |
| 输出速度 | BenchLeader | 54 tok/s | 163 tok/s |
| 首次回答时间 | BenchLeader | 42.3 秒 | 2.6 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 1,048,576 token |
| 推理 | |||
| SimpleBench | SimpleBench | – | 81.8% |
| Arena Hard Prompts | Arena (LMArena) | 1504 | 1517† |
| LiveBench 2.0 Reasoning | LiveBench | 79.6%† | 89.7%† |
| LiveBench 1.0 Reasoning | LiveBench | – | 89.7%† |
| GPQA Diamond (AA) | Artificial Analysis | – | 93.5%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 49.4% | 48.7%† |
| HLE-Diamond (AA) | Artificial Analysis | 15.2% | 33.7%† |
| CritPt | Artificial Analysis | 26.6% | 24.9%† |
| CritPt v2 hard subset (AA) | Artificial Analysis | 34.0% | 48.0%† |
| MysteryMechanism | Vals AI | 15.3% | 36.0%† |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 25.4% |
| Arena Expert | Arena (LMArena) | 1526 | 1521† |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 37.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 25.0%† |
| LMCA | Epoch AI Benchmarking Hub | – | 53.9% |
| DTBench | Epoch AI Benchmarking Hub | – | 96.5% |
| ForecastBench | ForecastBench | – | 65.5%† |
| BTF-3 | Epoch AI Benchmarking Hub | – | 14.1%† |
| 编程 | |||
| SciCode | SciCode | 60.9% | 58.8%† |
| Arena Coding | Arena (LMArena) | 1538 | 1534† |
| Arena WebDev | Arena (LMArena) | 1625 | 1655† |
| LiveBench 2.0 Coding | LiveBench | 64.5%† | 84.4%† |
| LiveBench 1.0 Coding | LiveBench | – | 81.1%† |
| IOI | Vals AI | 39.3% | 56.6%† |
| Code Migration | Vals AI | 43.0% | 47.4%† |
显示全部 137 项基准测试
| 指标 | 发布方 | MiMo-V2.6-Pro | Muse Spark 1.3 |
|---|---|---|---|
| 编程 | |||
| Code Migration v1.1 | Vals AI | 48.8% | – |
| ProgramBench | Vals AI | 0.5% | 2.5%† |
| SWE-bench Multimodal | Vals AI | 41.3% | 43.1%† |
| Vibe Code Bench 1-100 | Vals AI | – | 20.5%† |
| Vibe Code Bench v1.1 | Vals AI | 85.2% | 85.9%† |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 26.4% | – |
| MirrorCode | Epoch AI Benchmarking Hub | – | 54.4%† |
| CursorBench | Cursor | – | 41.6%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 1158.1 | 1688.3† |
| FrontierSWE | Epoch AI Benchmarking Hub | – | 25.8%† |
| WeirdML v3 | WeirdML | – | 6.7%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 34.9% | 33.3%† |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 84.3%† |
| Startrise Frontend | Startrise | – | 74.7% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 57.7 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 49.8† | 68.5† |
| Design Arena Website | Design Arena | 1311 | 1353† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 45.4% | 40.6%† |
| FrontierCode 2.0 (AA) | Artificial Analysis | 24.0% | 23.1%† |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 27.0%† | 14.8%† |
| APEX-Agents | Mercor | 54.4% | 58.6% |
| Arena Agent | Arena (LMArena) | 2.4 | 2.2† |
| LiveBench Long Agentic | LiveBench | 36.4%† | 47.9%† |
| LiveBench Browser | LiveBench | 77.3%† | 30.9%† |
| LiveBench Agentic Coding | LiveBench | – | 64.1%† |
| Terminal-Bench 2.1 (Vals) | Vals AI | 67.8% | 79.0%† |
| HiL-Bench | Scale AI SEAL | – | 66.9% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 59.1% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1692 | 1681† |
| τ³-Banking (AA) | Artificial Analysis | – | 50.5%† |
| ITBench SRE (AA) | Artificial Analysis | – | 33.2%† |
| Analyst Agent (AA) | Artificial Analysis | 37.5% | 37.5%† |
| CUA-bench | Vals AI | – | 5.8%† |
| CyberBench | Vals AI | 72.9% | 72.7%† |
| Finance Agent v2 | Vals AI | 57.3% | 60.0%† |
| Finance Agent v2.1 | Vals AI | 64.3% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 13.8% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.8% | 23.8%† |
| Legal Research Bench | Vals AI | 47.1% | 55.3%† |
| SREBench | Vals AI | 3.0% | 3.8%† |
| Tax Agent Bench | Vals AI | 32.4% | 42.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 31.3% | 24.8%† |
| Terminal-Bench Science | Vals AI | 2.9% | 10.0%† |
| Arena Agent Task Completion | Arena (LMArena) | 5 | 3.7† |
| AutomationBench | Artificial Analysis | 58.6% | 57.9%† |
| GDP.pdf (AA) | Artificial Analysis | 19.2% | 26.6%† |
| Harvey LAB-AA v1.1 | Harvey | – | 8.9%† |
| AA-Briefcase v1.1 | Artificial Analysis | 1512 | 1581† |
| Design Arena Agentic | Design Arena | 1271 | 1283† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 5.7% | 10.9%† |
| CWE-Bench (AA) | Artificial Analysis | 63.3% | 60.8%† |
| DeepSec-Bench (AA) | Artificial Analysis | 26.2% | 12.5%† |
| CyberGym end-to-end (AA) | Artificial Analysis | 78.6% | 59.5%† |
| MKA (AA) | Artificial Analysis | 37.3% | – |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 74.0%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 46.3%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 99.2%† |
| ProofBench | Vals AI | 70.0% | 55.0% |
| LiveBench Mathematics | LiveBench | – | 96.0%† |
| Arena Maths | Arena (LMArena) | 1484 | 1506† |
| 知识 | |||
| LiveBench 2.0 Data Analysis | LiveBench | 72.3%† | 79.6%† |
| LiveBench Research | LiveBench | 84.8%† | 82.5%† |
| LiveBench 1.0 Data Analysis | LiveBench | – | 79.6%† |
| AA-Omniscience v1.1 | Artificial Analysis | -4.5 | 22.4† |
| PRBench Finance | Scale AI SEAL | – | 59.5% |
| PRBench Legal | Scale AI SEAL | – | 61.6% |
| Excel Modeling Benchmark | Vals AI | 62.9% | 67.4%† |
| Excel Modeling Benchmark v1.1 | Vals AI | 67.3% | – |
| MedCode | Vals AI | 45.0% | – |
| MedScribe | Vals AI | 88.3% | – |
| Public Benefits Bench v1.1 | Vals AI | 68.9% | – |
| Access to Justice Benchmark | Vals AI | 70.0% | 72.2%† |
| Financial Coaching Bench | Vals AI | 75.4% | 70.3%† |
| Immigration Bench | Vals AI | 67.5% | 64.9%† |
| DrugDiscoveryBench | Scale AI SEAL | – | 62.2%† |
| GDP.pdf | Epoch AI Benchmarking Hub | – | 27.6% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 34.8% | 38.0%† |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 39.8% | 74.8%† |
| 指令遵循 | |||
| LiveBench Language | LiveBench | – | 82.8%† |
| LiveBench Instruction Following | LiveBench | – | 78.0%† |
| Arena Instruction Following | Arena (LMArena) | 1472 | 1485† |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1480 | 1497† |
| EQ-Bench Creative Writing v3 | EQ-Bench | – | 1907 |
| Arena Creative Writing | Arena (LMArena) | 1448 | 1468† |
| Arena Multi-turn | Arena (LMArena) | 1462 | 1493† |
| Arena Longer Queries | Arena (LMArena) | 1496 | 1498† |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1266 | 1310† |
| LiveBench Design | LiveBench | 74.3%† | 74.8%† |
| MMMU-Pro | Artificial Analysis | – | 82.0%† |
| SAGE | Vals AI | 84.5% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 25.2%† | 37.4%† |
| GeoBench | GeoBench | – | 86.0% |
| VIALS-AA | Handshake AI | 43.5% | – |
| Code2Video-AA | Artificial Analysis | 1052 | 1019† |
| AA-3D | Artificial Analysis | 983 | 1032† |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 86.3% | 83.0%† |
| Arena Document | Arena (LMArena) | – | 1474† |
| MLCR | Artificial Analysis | 12.8% | 13.9%† |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 158.2 |
| LiveBench 2.0 | LiveBench | 66.1%† | 68.6%† |
| LiveBench 1.0 | LiveBench | – | 81.6%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 29.9 | 36.6† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 46.3 | 48.1† |
| AA Progress Index v1 | Artificial Analysis | 321.2 | 324.5† |
| Vals Index | Vals AI | 57.8 | – |
| Vals Finance Index | Vals AI | 57.9% | – |
| Vals RSI Index | Vals AI | – | 19.6%† |
| Vals Router Index | Vals AI | 57.8% | – |
| Vals Legal Index | Vals AI | 72.1% | – |
| AA Cyber Index | Artificial Analysis | 56.1 | 44.3† |
| 安全与诚实 | |||
| DistressBench | Scale AI SEAL | – | 84.9% |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 52.8 | – |
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
- Muse Spark 1.3:BenchLeader Index 60.2 → 61.6。
- MiMo-V2.6-Pro:1 项分数修订。
- MiMo-V2.6-Pro:1 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)。
- Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
- MiMo-V2.6-Pro:6 项分数修订。
- Muse Spark 1.3:4 项分数修订。
- MiMo-V2.6-Pro:1 项分数修订。
相关对比
- MiMo-V2.6-Pro vs GPT-6 Astra
- MiMo-V2.6-Pro vs GPT-6.1 Sol
- MiMo-V2.6-Pro vs Claude Fable 5
- Muse Spark 1.3 vs Claude Fable 5.2
- Muse Spark 1.3 vs Gemini 4 Carbon
- Muse Spark 1.3 vs Claude Opus 5.5
- Muse Spark 1.3 vs GPT-6 Astra
- MiMo-V2.5 vs Muse Spark 1.3
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 1.3:常见问题
- MiMo-V2.6-Pro 比 Muse Spark 1.3 更好吗?
- MiMo-V2.6-Pro 与 Muse Spark 1.3 的质量不相上下(57.5 比 61.6,在 ±9.1 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 1.3 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。
- MiMo-V2.6-Pro 和 Muse Spark 1.3 哪个更快?
- Muse Spark 1.3 输出更快(约 1.5 倍;输出 163 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 1.3 更好?
- Muse Spark 1.3 在智能体任务方面得分更高(类别得分 61 比 57,50 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,MiMo-V2.6-Pro 为 54.4%,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 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 1.3 的看法一致吗?
- 在两者都有结果的 2 项基准测试中,MiMo-V2.6-Pro 领先 1 项,Muse Spark 1.3 领先 1 项。所有同时评测两者的综合评分都认为 Muse Spark 1.3 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。