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 M2.5 | Muse Spark Open |
|---|---|---|
| 提供商 | MiniMax | Meta |
| 发布日期 | 2026年2月12日 | 2026年10月15日 |
| 上下文窗口(token) | 204,800 | 1,048,576 |
| 对比时的配置 | MiniMax M2.5 | Muse 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 M2.5 | Muse Spark Open (xhigh) | 领先者 |
|---|---|---|---|
| 推理 | 45.5 | 51.3 | Muse Spark Open |
| 编程 | 50.7 | 36.0 | MiniMax M2.5 |
| 智能体与工具 | 46.6 | – | 无法比较 |
| 数学 | 51.8 | – | 无法比较 |
| 知识 | 51.5 | 58.8 | Muse 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 | 61.2 | 63.8 | Muse 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。
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。
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 Index | MiniMax M2.5 | Muse Spark Open (xhigh) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 53.7 | 53.5 | 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 M2.5 | Muse 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/s | 180 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 M2.5 | Muse Spark Open (xhigh) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 53.7 | 53.5 |
| 智能体与工具得分 | BenchLeader | 46.6 | – |
| 编程得分 | BenchLeader | 50.7 | 36.0 |
| 人类偏好得分 | BenchLeader | 56.1 | – |
| 指令遵循得分 | BenchLeader | 70.3 | – |
| 知识得分 | BenchLeader | 51.5 | 58.8 |
| 长上下文得分 | BenchLeader | 61.2 | 63.8 |
| 数学得分 | BenchLeader | 51.8 | – |
| 推理得分 | BenchLeader | 45.5 | 51.3 |
| 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 | BenchLeader | 41 tok/s | 180 tok/s |
| 首次回答时间 | BenchLeader | 31.6 秒 | 9.9 秒 |
| 上下文窗口 | BenchLeader | 204,800 token | 1,048,576 token |
| 推理 | |||
| Arena Hard Prompts | Arena (LMArena) | 1418 | – |
| LiveBench 2.0 Reasoning | LiveBench | – | 73.7%† |
| GPQA Diamond (AA) | Artificial Analysis | 84.8% | 89.0% |
| Humanity's Last Exam (AA) | Artificial Analysis | 20.5% | 43.9% |
| HLE-Diamond (AA) | Artificial Analysis | – | 26.3% |
| GPQA Diamond (Vals) | Vals AI | 82.1% | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 55.2% | – |
| ARC-AGI-1 | ARC Prize | 63.7% | 89.0% |
| ARC-AGI-2 | ARC Prize | 4.9% | 57.5% |
| ARC-AGI-3 | ARC Prize | – | 0.4% |
| CritPt | Artificial Analysis | 1.1% | 14.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 29.5% |
| HLE-Diamond (Scale) | Scale AI SEAL | – | 28.0%† |
| Arena Expert | Arena (LMArena) | 1427 | – |
| CL-bench | Epoch AI Benchmarking Hub | 11.4% | – |
| CL-bench Life | Epoch AI Benchmarking Hub | 6.3% | – |
| 编程 | |||
| Arena Coding | Arena (LMArena) | 1447 | – |
| Arena WebDev | Arena (LMArena) | 1386 | 1526† |
| LiveBench 2.0 Coding | LiveBench | – | 55.1%† |
| SciCode (AA) | Artificial Analysis | – | 58.5% |
| LiveCodeBench | Vals AI | 79.2% | – |
| SWE-bench (Vals) | Vals AI | 74.2% | – |
| SWE-bench Verified (bash only) | SWE-bench | 75.8%† | – |
| SWE-bench Multilingual (bash only) | SWE-bench | 68.3% | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 75.8%† | – |
显示全部 112 项基准测试
| 指标 | 发布方 | MiniMax M2.5 | Muse Spark Open (xhigh) |
|---|---|---|---|
| 编程 | |||
| Code Migration | Vals AI | – | 21.2% |
| Code Migration v1.1 | Vals AI | – | 26.9% |
| Vibe Code Bench v1.1 | Vals AI | 14.8% | 76.2% |
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 10.3% | – |
| SWE Atlas v1.0: Refactoring | Scale AI SEAL | 19.5% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 18.6% | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 42.3%† |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 50.0%† |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 41.1%† |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 35.7%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 95.0% |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 82.3% |
| ALE-Bench | Epoch AI Benchmarking Hub | 618.2 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 8.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | – | 76.4% |
| GameBench 2 Overall | DuelLab GameBench 2 | – | 55.3† |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | – | 59.3 |
| Design Arena Website | Design Arena | 1214 | 1305 |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 27.6% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 7.6% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 42.7% | – |
| LiveBench Long Agentic | LiveBench | – | 12.1%† |
| LiveBench Browser | LiveBench | – | 26.2%† |
| Terminal-Bench Hard | Artificial Analysis | 34.9% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 95.3% | – |
| HiL-Bench | Scale AI SEAL | 6.3% | 59.7%† |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 45.1% |
| GDPval-AA v2.1 | Artificial Analysis | – | 1401 |
| Finance Agent v2 | Vals AI | – | 61.3% |
| Finance Agent v2.1 | Vals AI | – | 60.7% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 25.0% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 16.7% |
| Legal Research Bench | Vals AI | – | 38.5% |
| Tax Agent Bench | Vals AI | – | 26.3% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 41.6% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 6.6% |
| Vending-Bench 2 | Andon Labs | -23.2 | – |
| AutomationBench | Artificial Analysis | – | 49.7% |
| GDP.pdf (AA) | Artificial Analysis | – | 18.6% |
| AA-Briefcase v1.1 | Artificial Analysis | – | 1280 |
| GDPx | GDPx by SemiAnalysis | – | 1.7%† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 1.9% |
| 数学 | |||
| ProofBench | Vals AI | 4.0% | – |
| AIME (Vals) | Vals AI | 88.8% | – |
| ArXivMath | MathArena | – | 27.0% |
| BrokenArXiv | MathArena | – | 30.1% |
| Arena Maths | Arena (LMArena) | 1392 | – |
| 知识 | |||
| LiveBench 2.0 Data Analysis | LiveBench | – | 60.2%† |
| LiveBench Research | LiveBench | – | 82.7%† |
| AA-Omniscience v1.1 | Artificial Analysis | – | 25.8 |
| MMLU-Pro | Vals AI | 80.1% | – |
| LegalBench | Vals AI | 80.0% | – |
| CorpFin | Vals AI | 59.6% | – |
| TaxEval | Vals AI | 68.2% | – |
| MedQA | Vals AI | 92.5% | – |
| PRBench Legal | Scale AI SEAL | – | 59.8%† |
| CaseLaw v2 | Vals AI | 53.5% | – |
| Excel Modeling Benchmark | Vals AI | – | 53.7% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 62.0% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 42.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 72.0% |
| Global-MMLU-Lite (AA) | Artificial Analysis | 84.2% | – |
| 指令遵循 | |||
| IFBench | Artificial Analysis | 71.6% | – |
| MultiChallenge | Scale AI SEAL | – | 74.2%† |
| Arena Instruction Following | Arena (LMArena) | 1381 | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1391 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1362 | – |
| Arena Creative Writing | Arena (LMArena) | 1356 | – |
| Arena Multi-turn | Arena (LMArena) | 1397 | – |
| Arena Longer Queries | Arena (LMArena) | 1406 | – |
| 多模态 | |||
| LiveBench Design | LiveBench | – | 58.1%† |
| MMMU-Pro | Artificial Analysis | – | 80.9% |
| SAGE | Vals AI | – | 85.8% |
| Humanity's Sixth Sense | Scale AI SEAL | – | 29.6%† |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 73.3% | 78.3% |
| MLCR | Artificial Analysis | – | 7.8% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 155.4† |
| LiveBench 2.0 | LiveBench | – | 48.5%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 24.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 22.8 | 38.9 |
| AA Progress Index v1 | Artificial Analysis | 266 | 306.7 |
| Vals Index | Vals AI | – | 48.6 |
| Vals Finance Index | Vals AI | – | 53.0% |
| Vals Legal Index | Vals AI | – | 68.5% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 7.6%† |
| DistressBench | Scale AI SEAL | – | 87.7%† |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 27.8 | 27.8 |
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。
相关对比
- Muse Spark Open vs Claude Opus 5.5
- Muse Spark Open vs GPT-6 Astra
- Muse Spark Open vs GPT-6.1 Sol
- Muse Spark Open vs Claude Fable 5
- Muse Spark Open vs Gemini 4 Argon
- Muse Spark Open vs GPT-5.6 Sol
- Muse Spark Open vs Claude Sonnet 5.5
- Muse Spark Open vs Claude Opus 4.7
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。