BenchLeader

Muse Ember vs Qwen3.5-27B

完整资料:Muse Ember(Meta)和 Qwen3.5-27B(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 7 个来源

截至 2026年11月16日,两者共同的基准测试太少,无法判断质量高下。Muse Ember 更便宜,对方的价格是它的 4.1 倍(每百万 token 混合价格 $0.200 比 $0.825)。看重编程(60 比 44)选 Muse Ember;看重推理(58 比 51)选 Qwen3.5-27B。Qwen3.5-27B 的首次回答更快(2.9 秒 比 5.0 秒)。Muse Ember 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • Muse Ember 的 BenchLeader Index 为 52.1,Qwen3.5-27B 为 52.0(BenchLeader,2026年11月16日)。
  • Muse Ember 每百万 token 混合价格为 $0.200(标价,2026年11月16日)。
  • Qwen3.5-27B 每百万 token 混合价格为 $0.825(标价,2026年11月16日)。
  • Muse Ember 比 Qwen3.5-27B 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 1 项基准测试中,Muse Ember 领先 1 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Muse Ember 的评分为 1609,Qwen3.5-27B 为 1357(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Muse Ember类别得分 60 比 44;Arena WebDev 1609 比 1357高
推理Qwen3.5-27B类别得分 58 比 51中
对话质量(人类偏好)–只有 Qwen3.5-27B 有 Arena 评分(类别得分 58)无法比较
成本最低Muse Ember每百万 token 混合价格 $0.200 比 $0.825;智能体编程会话 $0.008 比 $0.028–
首次回答最快Qwen3.5-27B首个回答 token 2.9 秒(Qwen3.5-27B)比 5.0 秒(Muse Ember (max))–
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

  • 共同的基准测试太少,无法给出结论。
  • Muse Ember (max) 在编程方面更强。
  • Qwen3.5-27B 在推理方面更强。
  • Muse Ember (max) 更便宜,对方的价格是它的 4.1 倍(每百万 token 混合价格 $0.200 比 $0.825)。
  • Muse Ember (max) 的输出速度是对方的 11.6 倍(437 比 38 token/秒)。

概览

规格Muse EmberQwen3.5-27B
提供商MetaAlibaba
发布日期2026年11月9日2026年2月24日
上下文窗口(token)1,048,576262,144
对比时的配置Muse Ember (max)Qwen3.5-27B
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.100 / $0.500 / $0.0040$0.300 / $2.40 / –

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Muse Ember (max)Qwen3.5-27B领先者
推理51.158.3Qwen3.5-27B
编程60.044.3Muse Ember
智能体与工具52.4–无法比较
数学–45.6无法比较
知识48.8–无法比较
人类偏好–58.2无法比较
多模态–56.8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推理编程智能体与工具数学知识多模态人类偏好Muse Ember, 推理: 51.1Muse Ember, 编程: 60.0Muse Ember, 智能体与工具: 52.4Muse Ember, 知识: 48.8Qwen3.5-27B, 推理: 58.3Qwen3.5-27B, 编程: 44.3Qwen3.5-27B, 数学: 45.6Qwen3.5-27B, 多模态: 56.8Qwen3.5-27B, 人类偏好: 58.2

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):指令遵循, 长上下文。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 1 项基准测试中,Muse Ember 领先 1 项,Qwen3.5-27B 领先 0 项。

综合 IndexMuse Ember (max)Qwen3.5-27B领先者
BenchLeader Index52.152.0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Muse Ember (max)Qwen3.5-27B
每百万 token 混合价格$0.200$0.825
每百万 token 输入 / 输出$0.100 / $0.500$0.300 / $2.40
每百万 token 缓存输入$0.0040–
每项任务价格:聊天回复$0.0002$0.0008
每项任务价格:总结一份 30 页的报告$0.0015$0.0050
每项任务价格:代码编辑$0.0014$0.0054
每项任务价格:智能体编程会话$0.0080$0.028
每项任务价格:结构化信息提取$0.0003$0.0011
智能体编程会话(输入大多命中缓存)$0.0037–
每项基准测试任务成本(AA Index)$0.136–
每项任务输出 token(AA Index)84k–
其中推理部分52k–
每项任务耗时(AA Index)3 min–
输出速度437 tok/s38 tok/s
首次回答时间5.0 秒2.9 秒
完整回答耗时(最近一次测量 2026年11月13日)12.9 秒–

每个模型都按其排名最高的推理强度设置进行对比。Muse Ember (max) 得分 52.1,首个回答 token 需 5 秒;Muse Ember (xhigh) 为 49.1(4 秒)。Qwen3.5-27B 得分 52.0,首个回答 token 需 3 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 66 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Muse Ember (max)Qwen3.5-27B
BenchLeader IndexBenchLeader52.152.0
智能体与工具得分BenchLeader52.4–
编程得分BenchLeader60.044.3
知识得分BenchLeader48.8–
推理得分BenchLeader51.158.3
人类偏好得分BenchLeader–58.2
数学得分BenchLeader–45.6
多模态得分BenchLeader–56.8
混合价格(美元/百万 token)BenchLeader$0.200$0.825
输出速度BenchLeader437 tok/s38 tok/s
首次回答时间BenchLeader5.0 秒2.9 秒
上下文窗口BenchLeader1,048,576 token262,144 token
推理
SimpleBenchSimpleBench72.7%†–
Arena Hard PromptsArena (LMArena)–1427
GPQA Diamond (AA)Artificial Analysis–84.2%†
Humanity's Last Exam (AA)Artificial Analysis–13.9%†
HLE-Diamond (AA)Artificial Analysis25.1%–
CritPtArtificial Analysis–0.3%†
CritPt v2 hard subset (AA)Artificial Analysis39.0%–
Arena ExpertArena (LMArena)–1441
LMCAEpoch AI Benchmarking Hub–34.0%
DTBenchEpoch AI Benchmarking Hub–82.4%
编程
WeirdMLWeirdML–39.5%
Arena CodingArena (LMArena)–1452
Arena WebDevArena (LMArena)16091357
Vibe Code Bench v1.1Vals AI83.7%–
SWE Atlas v1.1Scale AI SEAL56.0%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL61.3%†–
SWE Atlas v1.1: Test WritingScale AI SEAL56.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL50.0%†–
ALE-BenchEpoch AI Benchmarking Hub–349.4
Terminal-Bench 4.0 (AA)Artificial Analysis40.9%–
Design Arena WebsiteDesign Arena1330†–
FrontierCode 2.0 (AA)Artificial Analysis27.2%–
智能体与工具
Terminal-BenchTerminal-Bench30.6%†–
APEX-AgentsMercor64.3%†–
Arena AgentArena (LMArena)1.7–
显示全部 66 项基准测试
指标发布方Muse Ember (max)Qwen3.5-27B
智能体与工具
Terminal-Bench HardArtificial Analysis–31.8%†
τ²-Bench Telecom (AA)Artificial Analysis–87.1%†
ITBench SRE (AA)Artificial Analysis–35.5%†
Finance Agent v2.1Vals AI63.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI25.0%–
Legal Research BenchVals AI49.0%–
Tax Agent BenchVals AI38.2%–
Terminal-Bench 4.0 (Vals)Vals AI39.4%–
Arena Agent Task CompletionArena (LMArena)-7.6–
Vending-Bench 2Andon Labs–202.0
AutomationBenchArtificial Analysis68.1%–
GDP.pdf (AA)Artificial Analysis22.8%–
AA-Briefcase v1.1Artificial Analysis1520–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis20.0%–
数学
AIME 2026MathArena–91.7%
HMMT February 2026MathArena–81.1%
MathArena ApexMathArena–2.1%
Arena MathsArena (LMArena)–1423
知识
AA-Omniscience v1.1Artificial Analysis7.4–
Excel Modeling Benchmark v1.1Vals AI72.2%–
AA-Omniscience v1.1: accuracyArtificial Analysis21.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis82.6%–
Global-MMLU-Lite (AA)Artificial Analysis–83.8%†
指令遵循
IFBenchArtificial Analysis–46.9%†
Arena Instruction FollowingArena (LMArena)–1400
人类偏好
Arena TextArena (LMArena)–1409
Arena Creative WritingArena (LMArena)–1358
Arena Multi-turnArena (LMArena)–1414
Arena Longer QueriesArena (LMArena)–1422
多模态
Arena VisionArena (LMArena)–1240
MMMU-ProArtificial Analysis–70.0%†
长上下文
AA-LCR v1.1Artificial Analysis–64.0%†
MLCRArtificial Analysis18.3%–
综合
AA Intelligence Index v5.0.1Artificial Analysis36.0–
AA Intelligence Index v4.3.2Artificial Analysis–19.4†
AA Progress Index v1Artificial Analysis–250.2†
Vals IndexVals AI60.5–
Vals Finance IndexVals AI60.9%–
Vals Legal IndexVals AI75.7%–
安全与诚实
FORTRESSScale AI SEAL11.9%†–
元数据
AA Openness IndexArtificial Analysis–38.9†

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。

变化

  • Qwen3.5-27B:BenchLeader Index 52.5 → 52.0。
  • Muse Ember (max):1 项新结果(Arena Agent)。
  • Muse Ember (max):2 项新结果(MLCR, Arena WebDev)。

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

Muse Ember vs Qwen3.5-27B:常见问题

Muse Ember 比 Qwen3.5-27B 更好吗?
共同的基准测试太少,无法给出结论。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。
Muse Ember 和 Qwen3.5-27B 哪个更便宜?价格会变吗?
目前 Muse Ember 更便宜:每百万 token $0.200 比 $0.825(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 Muse Ember 还是 Qwen3.5-27B 更好?
Muse Ember 在编程方面得分更高(类别得分 60 比 44,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Muse Ember 为 1609,Qwen3.5-27B 为 1357。
Muse Ember 和 Qwen3.5-27B 哪个更快?
Muse Ember 输出更快(3 倍以上;输出 437 比 38 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
Muse Ember 支持更长的上下文:1,048,576 token,Qwen3.5-27B 为 262,144 token。
更多问题(3)
哪个延迟更低?
Qwen3.5-27B 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 2.9 秒比 5.0 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 Muse Ember 和 Qwen3.5-27B 的看法一致吗?
在两者都有结果的 1 项基准测试中,Muse Ember 领先 1 项,Qwen3.5-27B 领先 0 项。
Muse Ember 是什么时候发布的?
Muse Ember 于 2026年11月9日 发布。