BenchLeader

MiniMax M2.5 vs Muse Spark Open

完整资料:MiniMax M2.5(MiniMax)和 Muse Spark Open(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,MiniMax M2.5 与 Muse Spark Open 的质量不相上下(BenchLeader Index 53.7 比 53.5,在 ±8.1 的误差范围内)。MiniMax M2.5 更便宜,对方的价格是它的 3.8 倍(每百万 token 混合价格 $0.525 比 $2.00)。看重编程(51 比 36)选 MiniMax M2.5;看重知识(59 比 52)、推理(51 比 46)和长上下文(64 比 61)选 Muse Spark Open。Muse Spark Open 的首次回答更快(9.9 秒 比 31.6 秒)。Muse Spark Open 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • MiniMax M2.5 的 BenchLeader Index 为 53.7,Muse Spark Open 为 53.5(BenchLeader,2026年11月16日)。
  • MiniMax M2.5 每百万 token 混合价格为 $0.525(标价,2026年11月16日)。
  • Muse Spark Open 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark Open 比 MiniMax M2.5 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 10 项基准测试中,Muse Spark Open 领先 9 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MiniMax M2.5类别得分 51 比 36;Vibe Code Bench v1.1 14.8% 比 76.2%高
推理Muse Spark Open类别得分 51 比 46;ARC-AGI-2 57.5% 比 4.9%中
知识Muse Spark Open类别得分 59 比 52中
长文档Muse Spark Open类别得分 64 比 61;AA-LCR v1.1 78.3% 比 73.3%中
对话质量(人类偏好)–只有 MiniMax M2.5 有 Arena 评分(类别得分 56)无法比较
成本最低MiniMax M2.5每百万 token 混合价格 $0.525 比 $2.00;智能体编程会话 $0.023 比 $0.092–
首次回答最快Muse Spark Open首个回答 token 9.9 秒(Muse Spark Open (xhigh))比 31.6 秒(MiniMax M2.5)–
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

  • MiniMax M2.5 与 Muse Spark Open (xhigh) 的质量不相上下(53.7 比 53.5,在 ±8.1 的误差范围内)。
  • MiniMax M2.5 在编程方面更强。
  • Muse Spark Open (xhigh) 在知识、长上下文、推理方面更强。
  • MiniMax M2.5 更便宜,对方的价格是它的 3.8 倍(每百万 token 混合价格 $0.525 比 $2.00)。
  • Muse Spark Open (xhigh) 的输出速度是对方的 4.4 倍(180 比 41 token/秒)。

概览

规格MiniMax M2.5Muse Spark Open
提供商MiniMaxMeta
发布日期2026年2月12日2026年10月15日
上下文窗口(token)204,8001,048,576
对比时的配置MiniMax M2.5Muse Spark Open (xhigh)
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.300 / $1.20 / $0.030$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MiniMax M2.5Muse Spark Open (xhigh)领先者
推理45.551.3Muse Spark Open
编程50.736.0MiniMax M2.5
智能体与工具46.6–无法比较
数学51.8–无法比较
知识51.558.8Muse Spark Open
指令遵循70.3–无法比较
人类偏好56.1–无法比较
多模态–63.3无法比较
长上下文61.263.8Muse Spark Open

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推理编程知识长上下文MiniMax M2.5, 推理: 45.5MiniMax M2.5, 编程: 50.7MiniMax M2.5, 知识: 51.5MiniMax M2.5, 长上下文: 61.2Muse Spark Open, 推理: 51.3Muse Spark Open, 编程: 36.0Muse Spark Open, 知识: 58.8Muse Spark Open, 长上下文: 63.8

未绘制(测得的模型少于两个):智能体与工具, 数学, 指令遵循, 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 10 项基准测试中,MiniMax M2.5 领先 0 项,Muse Spark Open 领先 9 项,1 项持平。

综合 IndexMiniMax M2.5Muse Spark Open (xhigh)领先者
BenchLeader Index53.753.5不相上下

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MiniMax M2.5Muse Spark Open (xhigh)
每百万 token 混合价格$0.525$2.00
每百万 token 输入 / 输出$0.300 / $1.20$1.25 / $4.25
每百万 token 缓存输入$0.030$0.150
每项任务价格:聊天回复$0.0005$0.0018
每项任务价格:总结一份 30 页的报告$0.0043$0.018
每项任务价格:代码编辑$0.0036$0.014
每项任务价格:智能体编程会话$0.023$0.092
每项任务价格:结构化信息提取$0.0008$0.0034
智能体编程会话(输入大多命中缓存)$0.011$0.043
每项基准测试任务成本(AA Index)–$2.02
每项任务输出 token(AA Index)–66k
其中推理部分–32k
每项任务耗时(AA Index)–6 min
输出速度41 tok/s180 tok/s
首次回答时间31.6 秒9.9 秒
完整回答耗时(最近一次测量 2026年11月13日)104.7 秒39.9 秒

每个模型都按其排名最高的推理强度设置进行对比。MiniMax M2.5 得分 53.7,首个回答 token 需 32 秒。Muse Spark Open (xhigh) 得分 53.5,首个回答 token 需 10 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 112 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MiniMax M2.5Muse Spark Open (xhigh)
BenchLeader IndexBenchLeader53.753.5
智能体与工具得分BenchLeader46.6–
编程得分BenchLeader50.736.0
人类偏好得分BenchLeader56.1–
指令遵循得分BenchLeader70.3–
知识得分BenchLeader51.558.8
长上下文得分BenchLeader61.263.8
数学得分BenchLeader51.8–
推理得分BenchLeader45.551.3
多模态得分BenchLeader–63.3
混合价格(美元/百万 token)BenchLeader$0.525$2.00
输出速度BenchLeader41 tok/s180 tok/s
首次回答时间BenchLeader31.6 秒9.9 秒
上下文窗口BenchLeader204,800 token1,048,576 token
推理
Arena Hard PromptsArena (LMArena)1418–
LiveBench 2.0 ReasoningLiveBench–73.7%†
GPQA Diamond (AA)Artificial Analysis84.8%89.0%
Humanity's Last Exam (AA)Artificial Analysis20.5%43.9%
HLE-Diamond (AA)Artificial Analysis–26.3%
GPQA Diamond (Vals)Vals AI82.1%–
Kagi LLM BenchmarkKagi LLM Benchmark55.2%–
ARC-AGI-1ARC Prize63.7%89.0%
ARC-AGI-2ARC Prize4.9%57.5%
ARC-AGI-3ARC Prize–0.4%
CritPtArtificial Analysis1.1%14.9%
CritPt v2 hard subset (AA)Artificial Analysis–29.5%
HLE-Diamond (Scale)Scale AI SEAL–28.0%†
Arena ExpertArena (LMArena)1427–
CL-benchEpoch AI Benchmarking Hub11.4%–
CL-bench LifeEpoch AI Benchmarking Hub6.3%–
编程
Arena CodingArena (LMArena)1447–
Arena WebDevArena (LMArena)13861526†
LiveBench 2.0 CodingLiveBench–55.1%†
SciCode (AA)Artificial Analysis–58.5%
LiveCodeBenchVals AI79.2%–
SWE-bench (Vals)Vals AI74.2%–
SWE-bench Verified (bash only)SWE-bench75.8%†–
SWE-bench Multilingual (bash only)SWE-bench68.3%–
SWE-bench Verified (any scaffold)SWE-bench75.8%†–
显示全部 112 项基准测试
指标发布方MiniMax M2.5Muse Spark Open (xhigh)
编程
Code MigrationVals AI–21.2%
Code Migration v1.1Vals AI–26.9%
Vibe Code Bench v1.1Vals AI14.8%76.2%
SWE Atlas v1.0: Codebase QnAScale AI SEAL10.3%–
SWE Atlas v1.0: RefactoringScale AI SEAL19.5%–
SWE Atlas v1.0: Test WritingScale AI SEAL18.6%–
SWE Atlas v1.1Scale AI SEAL–42.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–50.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–41.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL–35.7%†
SWE-Bench Pro V2Scale AI SEAL–95.0%
SWE-Bench Pro V2 HARDScale AI SEAL–82.3%
ALE-BenchEpoch AI Benchmarking Hub618.2–
Terminal-Bench 4.0 (AA)Artificial Analysis–8.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–76.4%
GameBench 2 OverallDuelLab GameBench 2–55.3†
GameBench 2 by reasoning settingDuelLab GameBench 2–59.3
Design Arena WebsiteDesign Arena12141305
FrontierCode 1.1 (AA)Artificial Analysis–27.6%
FrontierCode 2.0 (AA)Artificial Analysis–7.6%
智能体与工具
Terminal-BenchTerminal-Bench42.7%–
LiveBench Long AgenticLiveBench–12.1%†
LiveBench BrowserLiveBench–26.2%†
Terminal-Bench HardArtificial Analysis34.9%–
τ²-Bench Telecom (AA)Artificial Analysis95.3%–
HiL-BenchScale AI SEAL6.3%59.7%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–45.1%
GDPval-AA v2.1Artificial Analysis–1401
Finance Agent v2Vals AI–61.3%
Finance Agent v2.1Vals AI–60.7%
Harvey's Legal Agent Benchmark v1.1Vals AI–25.0%
Harvey's Legal Agent Benchmark v1Vals AI–16.7%
Legal Research BenchVals AI–38.5%
Tax Agent BenchVals AI–26.3%
Terminal-Bench 2.0 (Vals)Vals AI41.6%–
Terminal-Bench 4.0 (Vals)Vals AI–6.6%
Vending-Bench 2Andon Labs-23.2–
AutomationBenchArtificial Analysis–49.7%
GDP.pdf (AA)Artificial Analysis–18.6%
AA-Briefcase v1.1Artificial Analysis–1280
GDPxGDPx by SemiAnalysis–1.7%†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–1.9%
数学
ProofBenchVals AI4.0%–
AIME (Vals)Vals AI88.8%–
ArXivMathMathArena–27.0%
BrokenArXivMathArena–30.1%
Arena MathsArena (LMArena)1392–
知识
LiveBench 2.0 Data AnalysisLiveBench–60.2%†
LiveBench ResearchLiveBench–82.7%†
AA-Omniscience v1.1Artificial Analysis–25.8
MMLU-ProVals AI80.1%–
LegalBenchVals AI80.0%–
CorpFinVals AI59.6%–
TaxEvalVals AI68.2%–
MedQAVals AI92.5%–
PRBench LegalScale AI SEAL–59.8%†
CaseLaw v2Vals AI53.5%–
Excel Modeling BenchmarkVals AI–53.7%
Excel Modeling Benchmark v1.1Vals AI–62.0%
AA-Omniscience v1.1: accuracyArtificial Analysis–42.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–72.0%
Global-MMLU-Lite (AA)Artificial Analysis84.2%–
指令遵循
IFBenchArtificial Analysis71.6%–
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1381–
人类偏好
Arena TextArena (LMArena)1391–
EQ-Bench Creative Writing v3EQ-Bench1362–
Arena Creative WritingArena (LMArena)1356–
Arena Multi-turnArena (LMArena)1397–
Arena Longer QueriesArena (LMArena)1406–
多模态
LiveBench DesignLiveBench–58.1%†
MMMU-ProArtificial Analysis–80.9%
SAGEVals AI–85.8%
Humanity's Sixth SenseScale AI SEAL–29.6%†
长上下文
AA-LCR v1.1Artificial Analysis73.3%78.3%
MLCRArtificial Analysis–7.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–155.4†
LiveBench 2.0LiveBench–48.5%†
AA Intelligence Index v5.0.1Artificial Analysis–24.9
AA Intelligence Index v4.3.2Artificial Analysis22.838.9
AA Progress Index v1Artificial Analysis266306.7
Vals IndexVals AI–48.6
Vals Finance IndexVals AI–53.0%
Vals Legal IndexVals AI–68.5%
安全与诚实
FORTRESSScale AI SEAL–7.6%†
DistressBenchScale AI SEAL–87.7%†
元数据
AA Openness IndexArtificial Analysis27.827.8

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

  • MiniMax M2.5:1 项新结果(Global-MMLU-Lite (AA))。
  • Muse Spark Open (xhigh):1 项分数修订。
  • Muse Spark Open (xhigh):1 项新结果(GameBench 2 by reasoning setting);1 项分数修订。
  • Muse Spark Open (xhigh):BenchLeader Index 53.3 → 53.8。
  • Muse Spark Open (xhigh):1 项新结果(ARC-AGI-3)。
  • Muse Spark Open (xhigh):BenchLeader Index 59.5 → 53.3。
  • MiniMax M2.5:1 项新结果(AA Progress Index v1)。
  • Muse Spark Open (xhigh):6 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $0.84/M → $2.02/M。
  • MiniMax M2.5:BenchLeader Index 53.9 → 53.4。
  • Muse Spark Open (xhigh):6 项新结果(MLCR, Code Migration v1.1, Excel Modeling Benchmark v1.1…);价格 $1.25/M → $0.15/M。

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

MiniMax M2.5 vs Muse Spark Open:常见问题

MiniMax M2.5 比 Muse Spark Open 更好吗?
MiniMax M2.5 与 Muse Spark Open (xhigh) 的质量不相上下(53.7 比 53.5,在 ±8.1 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。
MiniMax M2.5 和 Muse Spark Open 哪个更便宜?价格会变吗?
目前 MiniMax M2.5 更便宜:每百万 token $0.525 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 MiniMax M2.5 还是 Muse Spark Open 更好?
MiniMax M2.5 在编程方面得分更高(类别得分 51 比 36,50 为平均水平)。
MiniMax M2.5 和 Muse Spark Open 哪个更快?
Muse Spark Open 输出更快(3 倍以上;输出 180 比 41 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
Muse Spark Open 在长上下文基准测试上得分更高(64 比 61)。Muse Spark Open 支持更长的上下文:1,048,576 token,MiniMax M2.5 为 204,800 token。
更多问题(3)
哪个延迟更低?
Muse Spark Open 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 9.9 秒比 31.6 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 MiniMax M2.5 和 Muse Spark Open 的看法一致吗?
在两者都有结果的 10 项基准测试中,MiniMax M2.5 领先 0 项,Muse Spark Open 领先 9 项,1 项持平。
Muse Spark Open 是什么时候发布的?
Muse Spark Open 于 2026年10月15日 发布。