BenchLeader

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-ProMuse Spark 1.3
提供商XiaomiMeta
发布日期2026年9月21日2026年9月2日
上下文窗口(token)1,048,5761,048,576
对比时的配置MiMo-V2.6-ProMuse 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-ProMuse Spark 1.3领先者
推理49.971.0Muse Spark 1.3
编程58.8–无法比较
智能体与工具57.161.3Muse Spark 1.3
数学65.556.3MiMo-V2.6-Pro
知识42.381.2Muse 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。

2550 avg75推理智能体与工具数学知识MiMo-V2.6-Pro, 推理: 49.9MiMo-V2.6-Pro, 智能体与工具: 57.1MiMo-V2.6-Pro, 数学: 65.5MiMo-V2.6-Pro, 知识: 42.3Muse 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 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 IndexMiMo-V2.6-ProMuse Spark 1.3领先者
BenchLeader Index57.561.6不相上下
AA Intelligence Index v5.0.129.936.6†Muse Spark 1.3
Arena Text14801497†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-ProMuse 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/s163 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-ProMuse Spark 1.3
BenchLeader IndexBenchLeader57.561.6
智能体与工具得分BenchLeader57.161.3
编程得分BenchLeader58.8–
人类偏好得分BenchLeader67.0–
知识得分BenchLeader42.381.2
长上下文得分BenchLeader67.9–
数学得分BenchLeader65.556.3
多模态得分BenchLeader60.2–
推理得分BenchLeader49.971.0
混合价格(美元/百万 token)BenchLeader$0.548$2.00
输出速度BenchLeader54 tok/s163 tok/s
首次回答时间BenchLeader42.3 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)15041517†
LiveBench 2.0 ReasoningLiveBench79.6%†89.7%†
LiveBench 1.0 ReasoningLiveBench–89.7%†
GPQA Diamond (AA)Artificial Analysis–93.5%†
Humanity's Last Exam (AA)Artificial Analysis49.4%48.7%†
HLE-Diamond (AA)Artificial Analysis15.2%33.7%†
CritPtArtificial Analysis26.6%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis34.0%48.0%†
MysteryMechanismVals AI15.3%36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)15261521†
Chess PuzzlesEpoch AI Benchmarking Hub–37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–25.0%†
LMCAEpoch AI Benchmarking Hub–53.9%
DTBenchEpoch AI Benchmarking Hub–96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SciCodeSciCode60.9%58.8%†
Arena CodingArena (LMArena)15381534†
Arena WebDevArena (LMArena)16251655†
LiveBench 2.0 CodingLiveBench64.5%†84.4%†
LiveBench 1.0 CodingLiveBench–81.1%†
IOIVals AI39.3%56.6%†
Code MigrationVals AI43.0%47.4%†
显示全部 137 项基准测试
指标发布方MiMo-V2.6-ProMuse Spark 1.3
编程
Code Migration v1.1Vals AI48.8%–
ProgramBenchVals AI0.5%2.5%†
SWE-bench MultimodalVals AI41.3%43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI85.2%85.9%†
Vibe Code Bench 1-100 v1.1Vals AI26.4%–
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub1158.11688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis34.9%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis–84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 2–57.7
GameBench 2 by reasoning settingDuelLab GameBench 249.8†68.5†
Design Arena WebsiteDesign Arena13111353†
FrontierCode 1.1 (AA)Artificial Analysis45.4%40.6%†
FrontierCode 2.0 (AA)Artificial Analysis24.0%23.1%†
智能体与工具
Terminal-BenchTerminal-Bench27.0%†14.8%†
APEX-AgentsMercor54.4%58.6%
Arena AgentArena (LMArena)2.42.2†
LiveBench Long AgenticLiveBench36.4%†47.9%†
LiveBench BrowserLiveBench77.3%†30.9%†
LiveBench Agentic CodingLiveBench–64.1%†
Terminal-Bench 2.1 (Vals)Vals AI67.8%79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1, normalised scoreArtificial Analysis59.1%–
GDPval-AA v2.1Artificial Analysis16921681†
τ³-Banking (AA)Artificial Analysis–50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis37.5%37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI72.9%72.7%†
Finance Agent v2Vals AI57.3%60.0%†
Finance Agent v2.1Vals AI64.3%–
Harvey's Legal Agent Benchmark v1.1Vals AI13.8%–
Harvey's Legal Agent Benchmark v1Vals AI10.8%23.8%†
Legal Research BenchVals AI47.1%55.3%†
SREBenchVals AI3.0%3.8%†
Tax Agent BenchVals AI32.4%42.4%†
Terminal-Bench 4.0 (Vals)Vals AI31.3%24.8%†
Terminal-Bench ScienceVals AI2.9%10.0%†
Arena Agent Task CompletionArena (LMArena)53.7†
AutomationBenchArtificial Analysis58.6%57.9%†
GDP.pdf (AA)Artificial Analysis19.2%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis15121581†
Design Arena AgenticDesign Arena12711283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis5.7%10.9%†
CWE-Bench (AA)Artificial Analysis63.3%60.8%†
DeepSec-Bench (AA)Artificial Analysis26.2%12.5%†
CyberGym end-to-end (AA)Artificial Analysis78.6%59.5%†
MKA (AA)Artificial Analysis37.3%–
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 AI70.0%55.0%
LiveBench MathematicsLiveBench–96.0%†
Arena MathsArena (LMArena)14841506†
知识
LiveBench 2.0 Data AnalysisLiveBench72.3%†79.6%†
LiveBench ResearchLiveBench84.8%†82.5%†
LiveBench 1.0 Data AnalysisLiveBench–79.6%†
AA-Omniscience v1.1Artificial Analysis-4.522.4†
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
Excel Modeling BenchmarkVals AI62.9%67.4%†
Excel Modeling Benchmark v1.1Vals AI67.3%–
MedCodeVals AI45.0%–
MedScribeVals AI88.3%–
Public Benefits Bench v1.1Vals AI68.9%–
Access to Justice BenchmarkVals AI70.0%72.2%†
Financial Coaching BenchVals AI75.4%70.3%†
Immigration BenchVals AI67.5%64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis34.8%38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.8%74.8%†
指令遵循
LiveBench LanguageLiveBench–82.8%†
LiveBench Instruction FollowingLiveBench–78.0%†
Arena Instruction FollowingArena (LMArena)14721485†
人类偏好
Arena TextArena (LMArena)14801497†
EQ-Bench Creative Writing v3EQ-Bench–1907
Arena Creative WritingArena (LMArena)14481468†
Arena Multi-turnArena (LMArena)14621493†
Arena Longer QueriesArena (LMArena)14961498†
多模态
Arena VisionArena (LMArena)12661310†
LiveBench DesignLiveBench74.3%†74.8%†
MMMU-ProArtificial Analysis–82.0%†
SAGEVals AI84.5%–
Humanity's Sixth SenseScale AI SEAL25.2%†37.4%†
GeoBenchGeoBench–86.0%
VIALS-AAHandshake AI43.5%–
Code2Video-AAArtificial Analysis10521019†
AA-3DArtificial Analysis9831032†
长上下文
AA-LCR v1.1Artificial Analysis86.3%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis12.8%13.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–158.2
LiveBench 2.0LiveBench66.1%†68.6%†
LiveBench 1.0LiveBench–81.6%†
AA Intelligence Index v5.0.1Artificial Analysis29.936.6†
AA Intelligence Index v4.3.2Artificial Analysis46.348.1†
AA Progress Index v1Artificial Analysis321.2324.5†
Vals IndexVals AI57.8–
Vals Finance IndexVals AI57.9%–
Vals RSI IndexVals AI–19.6%†
Vals Router IndexVals AI57.8%–
Vals Legal IndexVals AI72.1%–
AA Cyber IndexArtificial Analysis56.144.3†
安全与诚实
DistressBenchScale AI SEAL–84.9%
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

  • 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。

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。