BenchLeader

Muse Spark 1.1 vs Muse Spark 1.3

完整资料:Muse Spark 1.1(Meta)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 9 个来源

截至 2026年11月16日,Muse Spark 1.1 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 62.2 比 61.6,在 ±9.9 的误差范围内)。两者价格相近(每百万 token 混合价格 $2.00 比 $2.00)。看重数学(61 比 56)选 Spark 1.1;看重知识(81 比 69)、智能体与工具(61 比 51)和推理(71 比 68)选 Spark 1.3。Spark 1.1 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Muse Spark 1.1 的 BenchLeader Index 为 62.2,Muse Spark 1.3 为 61.6(BenchLeader,2026年11月16日)。
  • Muse Spark 1.1 每百万 token 混合价格为 $2.00(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 1.1 比 Muse Spark 1.3 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 7 项基准测试中,Muse Spark 1.3 领先 6 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
智能体与工具调用Muse Spark 1.3类别得分 61 比 51;APEX-Agents 58.6% 比 31.8%高
数学Muse Spark 1.1类别得分 61 比 56;ProofBench 39.0% 比 55.0%中
推理Muse Spark 1.3类别得分 71 比 68中
知识Muse Spark 1.3类别得分 81 比 69;PRBench Finance 59.5% 比 55.0%高
对话质量(人类偏好)–只有 Muse Spark 1.1 有 Arena 评分(类别得分 65)无法比较
成本最低均可每百万 token 混合价格 $2.00 比 $2.00;智能体编程会话 $0.092 比 $0.092–
首次回答最快Muse Spark 1.1首个回答 token 1.8 秒(Muse Spark 1.1)比 2.6 秒(Muse Spark 1.3)–
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

  • Muse Spark 1.1 与 Muse Spark 1.3 的质量不相上下(62.2 比 61.6,在 ±9.9 的误差范围内)。
  • Muse Spark 1.1 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。
  • 两者价格相近(每百万 token 混合价格 $2.00)。

概览

规格Muse Spark 1.1Muse Spark 1.3
提供商MetaMeta
发布日期2026年7月9日2026年9月2日
上下文窗口(token)1,048,5761,048,576
对比时的配置Muse Spark 1.1Muse Spark 1.3
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$1.25 / $4.25 / $0.150$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Muse Spark 1.1Muse Spark 1.3领先者
推理67.871.0Muse Spark 1.3
编程65.8–无法比较
智能体与工具50.961.3Muse Spark 1.3
数学61.356.3Muse Spark 1.1
知识69.281.2Muse Spark 1.3
指令遵循70.4–无法比较
人类偏好64.5–无法比较
多模态63.6–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Muse Spark 1.1, 推理: 67.8Muse Spark 1.1, 智能体与工具: 50.9Muse Spark 1.1, 数学: 61.3Muse Spark 1.1, 知识: 69.2Muse 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 7 项基准测试中,Muse Spark 1.1 领先 1 项,Muse Spark 1.3 领先 6 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 IndexMuse Spark 1.1Muse Spark 1.3领先者
BenchLeader Index62.261.6不相上下
Arena Text14911497†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Muse Spark 1.1Muse Spark 1.3
每百万 token 混合价格$2.00$2.00
每百万 token 输入 / 输出$1.25 / $4.25$1.25 / $4.25
每百万 token 缓存输入$0.150$0.150
每项任务价格:聊天回复$0.0018$0.0018
每项任务价格:总结一份 30 页的报告$0.018$0.018
每项任务价格:代码编辑$0.014$0.014
每项任务价格:智能体编程会话$0.092$0.092
每项任务价格:结构化信息提取$0.0034$0.0034
智能体编程会话(输入大多命中缓存)$0.043$0.043
输出速度193 tok/s163 tok/s
首次回答时间1.8 秒2.6 秒

每个模型都按其排名最高的推理强度设置进行对比。Muse Spark 1.1 得分 62.2,首个回答 token 需 2 秒;Muse Spark 1.1 (xhigh) 为 59.5(13 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 150 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 Spark 1.1Muse Spark 1.3
BenchLeader IndexBenchLeader62.261.6
智能体与工具得分BenchLeader50.961.3
编程得分BenchLeader65.8–
人类偏好得分BenchLeader64.5–
指令遵循得分BenchLeader70.4–
知识得分BenchLeader69.281.2
数学得分BenchLeader61.356.3
多模态得分BenchLeader63.6–
推理得分BenchLeader67.871.0
混合价格(美元/百万 token)BenchLeader$2.00$2.00
输出速度BenchLeader193 tok/s163 tok/s
首次回答时间BenchLeader1.8 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)15111517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench87.7%†89.7%†
GPQA Diamond (AA)Artificial Analysis89.8%†93.5%†
Humanity's Last Exam (AA)Artificial Analysis46.2%†48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI91.2%†–
CritPtArtificial Analysis15.1%†24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)15041521†
Chess PuzzlesEpoch AI Benchmarking Hub34.0%†37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–25.0%†
LMCAEpoch AI Benchmarking Hub49.9%†53.9%
DTBenchEpoch AI Benchmarking Hub94.4%†96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SciCodeSciCode58.8%58.8%†
Arena CodingArena (LMArena)15331534†
Arena WebDevArena (LMArena)15421655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench77.2%†81.1%†
LiveCodeBenchVals AI85.9%†–
显示全部 150 项基准测试
指标发布方Muse Spark 1.1Muse Spark 1.3
编程
IOIVals AI–56.6%†
SWE-bench (Vals)Vals AI82.0%†–
SWE-Bench ProScale AI SEAL61.5%–
Code MigrationVals AI31.1%†47.4%†
ProgramBenchVals AI0.0%†2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI72.2%†85.9%†
SWE-Bench Pro (private)Scale AI SEAL51.5%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL42.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL41.5%†–
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub53.3%–
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub–1688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%†33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%†84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 2–57.7
GameBench 2 by reasoning settingDuelLab GameBench 2–68.5†
Design Arena WebsiteDesign Arena12631353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
智能体与工具
Terminal-BenchTerminal-Bench–14.8%†
APEX-AgentsMercor31.8%58.6%
Arena AgentArena (LMArena)-82.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench58.5%†64.1%†
Terminal-Bench 2.1 (Vals)Vals AI69.3%†79.0%†
MCP AtlasScale AI SEAL88.1%–
HiL-BenchScale AI SEAL–66.9%
τ³-bench Bankingτ²-bench40.5%†–
GDPval-AA v2.1Artificial Analysis1216†1681†
τ³-Banking (AA)Artificial Analysis31.8%†50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI57.2%†60.0%†
Harvey's Legal Agent Benchmark v1Vals AI20.0%†23.8%†
Legal Research BenchVals AI38.0%†55.3%†
SkillsBenchVals AI59.2%†–
SREBenchVals AI–3.8%†
Tax Agent BenchVals AI–42.4%†
Terminal-Bench 4.0 (Vals)Vals AI–24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Time Horizon Index: KSPVals AI1.7%†–
Arena Agent Task CompletionArena (LMArena)-6.53.7†
GBAEvalEpoch AI Benchmarking Hub7.9%–
Vending-Bench 2Andon Labs6520.5–
AutomationBenchArtificial Analysis38.9%†57.9%†
GDP.pdf (AA)Artificial Analysis14.4%†26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis851†1581†
Design Arena AgenticDesign Arena11721283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
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 AI39.0%55.0%
LiveBench MathematicsLiveBench87.1%†96.0%†
Arena MathsArena (LMArena)14931506†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub57.8%–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench72.5%†79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI88.7%†–
LegalBenchVals AI85.0%†–
CorpFinVals AI71.3%†–
TaxEvalVals AI79.7%†–
PRBench FinanceScale AI SEAL55.0%59.5%
PRBench LegalScale AI SEAL57.0%61.6%
MultiNRCScale AI SEAL65.6%–
Excel Modeling BenchmarkVals AI56.4%†67.4%†
MedScribeVals AI88.9%†–
Public Benefits Bench v1.1Vals AI61.3%†–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub15.0%27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
指令遵循
LiveBench LanguageLiveBench74.3%†82.8%†
LiveBench Instruction FollowingLiveBench69.6%†78.0%†
MultiChallengeScale AI SEAL75.3%–
Arena Instruction FollowingArena (LMArena)14731485†
人类偏好
Arena TextArena (LMArena)14911497†
EQ-Bench 4EQ-Bench1244–
EQ-Bench Creative Writing v3EQ-Bench19281907
Arena Creative WritingArena (LMArena)14431468†
Arena Multi-turnArena (LMArena)14971493†
Arena Longer QueriesArena (LMArena)14811498†
多模态
Arena VisionArena (LMArena)12921310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis–82.0%†
MMMU-Pro (Vals)Vals AI86.6%†–
MortgageTaxVals AI66.1%†–
Humanity's Sixth SenseScale AI SEAL–37.4%†
VTBScale AI SEAL44.8%–
GeoBenchGeoBench–86.0%
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
长上下文
AA-LCR v1.1Artificial Analysis77.7%†83.0%†
Arena DocumentArena (LMArena)14801474†
MLCRArtificial Analysis7.2%†13.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.9158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench75.3%†81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis33.7†48.1†
AA Progress Index v1Artificial Analysis302.7†324.5†
Vals RSI IndexVals AI–19.6%†
Vals Multimodal IndexVals AI66.7%†–
AA Cyber IndexArtificial Analysis–44.3†
安全与诚实
FORTRESSScale AI SEAL12.4%–
DistressBenchScale AI SEAL–84.9%

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。

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。
  • 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。
  • Muse Spark 1.3:4 项分数修订。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
  • Muse Spark 1.1:1 项分数修订。
  • Muse Spark 1.3:1 项分数修订。
  • Muse Spark 1.3:1 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

Muse Spark 1.1 vs Muse Spark 1.3:常见问题

Muse Spark 1.1 比 Muse Spark 1.3 更好吗?
Muse Spark 1.1 与 Muse Spark 1.3 的质量不相上下(62.2 比 61.6,在 ±9.9 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。
Muse Spark 1.1 和 Muse Spark 1.3 哪个更便宜?价格会变吗?
两者价格相同:每百万 token 混合价格 $2.00。两者均未公布价格调整。
Muse Spark 1.1 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.1 输出更快(约 2 倍;输出 193 比 163 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Muse Spark 1.1 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 51,50 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,Muse Spark 1.1 为 31.8%,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 1.1 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.8 秒比 2.6 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 Muse Spark 1.1 和 Muse Spark 1.3 的看法一致吗?
在两者都有结果的 7 项基准测试中,Muse Spark 1.1 领先 1 项,Muse Spark 1.3 领先 6 项。所有同时评测两者的综合评分都认为 Muse Spark 1.3 更强。
Muse Spark 1.3 是什么时候发布的?
Muse Spark 1.3 于 2026年9月2日 发布。