BenchLeader

Muse Spark 1.1 vs Muse Wonder Full

完整资料:Muse Spark 1.1(Meta)和 Muse Wonder Full(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,Muse Spark 1.1 与 Muse Wonder Full 的质量不相上下(BenchLeader Index 62.2 比 61.7,在 ±6.1 的误差范围内)。看重知识(69 比 62)和推理(68 比 66)选 Spark 1.1;看重智能体与工具(64 比 51)和编程(70 比 66)选 Wonder Full。

要点(截至 2026年11月16日)

  • Muse Spark 1.1 的 BenchLeader Index 为 62.2,Muse Wonder Full 为 61.7(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)。
  • 在两者都有结果的 3 项基准测试中,Muse Wonder Full 领先 3 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Muse Spark 1.1 的评分为 1542,Muse Wonder Full 为 1724(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 Wonder Full类别得分 70 比 66;Arena WebDev 1724 比 1542中
智能体与工具调用Muse Wonder Full类别得分 64 比 51;Arena Agent 9 比 -8高
推理Muse Spark 1.1类别得分 68 比 66中
知识Muse Spark 1.1类别得分 69 比 62中
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
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 Wonder Full (max) 的质量不相上下(62.2 比 61.7,在 ±6.1 的误差范围内)。
  • Muse Spark 1.1 在知识、推理方面更强。
  • Muse Wonder Full (max) 在智能体与工具、编程方面更强。

概览

规格Muse Spark 1.1Muse Wonder Full
提供商MetaMeta
发布日期2026年7月9日2026年10月12日
上下文窗口(token)1,048,5761,000,000
对比时的配置Muse Spark 1.1Muse Wonder Full (max)
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–

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 Wonder Full (max)领先者
推理67.865.8Muse Spark 1.1
编程65.869.9Muse Wonder Full
智能体与工具50.963.6Muse Wonder Full
数学61.3–无法比较
知识69.262.3Muse Spark 1.1
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
长上下文–66.6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推理编程智能体与工具知识Muse Spark 1.1, 推理: 67.8Muse Spark 1.1, 编程: 65.8Muse Spark 1.1, 智能体与工具: 50.9Muse Spark 1.1, 知识: 69.2Muse Wonder Full, 推理: 65.8Muse Wonder Full, 编程: 69.9Muse Wonder Full, 智能体与工具: 63.6Muse Wonder Full, 知识: 62.3

未绘制(测得的模型少于两个):数学, 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 3 项基准测试中,Muse Spark 1.1 领先 0 项,Muse Wonder Full 领先 3 项。

综合 IndexMuse Spark 1.1Muse Wonder Full (max)领先者
BenchLeader Index62.261.7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 Spark 1.1Muse Wonder Full (max)
每百万 token 混合价格$2.00–
每百万 token 输入 / 输出$1.25 / $4.25– / –
每百万 token 缓存输入$0.150–
每项任务价格:聊天回复$0.0018–
每项任务价格:总结一份 30 页的报告$0.018–
每项任务价格:代码编辑$0.014–
每项任务价格:智能体编程会话$0.092–
每项任务价格:结构化信息提取$0.0034–
智能体编程会话(输入大多命中缓存)$0.043–
每项任务输出 token(AA Index)–88k
其中推理部分–55k
输出速度193 tok/s–
首次回答时间1.8 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 Wonder Full (max) 得分 61.7。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 125 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 Wonder Full (max)
BenchLeader IndexBenchLeader62.261.7
智能体与工具得分BenchLeader50.963.6
编程得分BenchLeader65.869.9
人类偏好得分BenchLeader64.5–
指令遵循得分BenchLeader70.4–
知识得分BenchLeader69.262.3
数学得分BenchLeader61.3–
多模态得分BenchLeader63.6–
推理得分BenchLeader67.865.8
长上下文得分BenchLeader–66.6
混合价格(美元/百万 token)BenchLeader$2.00–
输出速度BenchLeader193 tok/s–
首次回答时间BenchLeader1.8 秒–
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
Arena Hard PromptsArena (LMArena)1511–
LiveBench 1.0 ReasoningLiveBench87.7%†–
GPQA Diamond (AA)Artificial Analysis89.8%†–
Humanity's Last Exam (AA)Artificial Analysis46.2%†53.6%
HLE-Diamond (AA)Artificial Analysis–48.5%
GPQA Diamond (Vals)Vals AI91.2%†–
CritPtArtificial Analysis15.1%†32.9%
CritPt v2 hard subset (AA)Artificial Analysis–56.5%
MysteryMechanismVals AI–35.1%
Arena ExpertArena (LMArena)1504–
Chess PuzzlesEpoch AI Benchmarking Hub34.0%†–
LMCAEpoch AI Benchmarking Hub49.9%†–
DTBenchEpoch AI Benchmarking Hub94.4%†–
编程
SciCodeSciCode58.8%–
Arena CodingArena (LMArena)1533–
Arena WebDevArena (LMArena)15421724
LiveBench 1.0 CodingLiveBench77.2%†–
SciCode (AA)Artificial Analysis58.8%†62.6%
LiveCodeBenchVals AI85.9%†–
IOIVals AI–79.8%
SWE-bench (Vals)Vals AI82.0%†–
SWE-Bench ProScale AI SEAL61.5%–
Code MigrationVals AI31.1%†61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI0.0%†0.5%
显示全部 125 项基准测试
指标发布方Muse Spark 1.1Muse Wonder Full (max)
编程
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI72.2%†86.0%
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%†–
Surface Evolver BenchEpoch AI Benchmarking Hub52.5%†–
DeepSWE v1.1Epoch AI Benchmarking Hub53.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis6.1%†57.1%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%†–
Design Arena WebsiteDesign Arena1263–
FrontierCode 1.1 (AA)Artificial Analysis–44.9%
FrontierCode 2.0 (AA)Artificial Analysis–37.8%
智能体与工具
APEX-AgentsMercor31.8%–
Arena AgentArena (LMArena)-89
LiveBench Agentic CodingLiveBench58.5%†–
Terminal-Bench 2.1 (Vals)Vals AI69.3%†–
MCP AtlasScale AI SEAL88.1%–
τ³-bench Bankingτ²-bench40.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis1216†1857
τ³-Banking (AA)Artificial Analysis31.8%†–
CyberBenchVals AI–73.6%
Finance Agent v2Vals AI57.2%†59.1%
Finance Agent v2.1Vals AI–67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–23.3%
Harvey's Legal Agent Benchmark v1Vals AI20.0%†21.7%
Legal Research BenchVals AI38.0%†53.4%
Robo-benchVals AI–10.4%
SkillsBenchVals AI59.2%†–
SREBenchVals AI–11.8%
Tax Agent BenchVals AI–43.0%
Terminal-Bench 4.0 (Vals)Vals AI–58.1%
Terminal-Bench ScienceVals AI–37.1%
Time Horizon Index: KSPVals AI1.7%†–
Arena Agent Task CompletionArena (LMArena)-6.511.1
GBAEvalEpoch AI Benchmarking Hub7.9%–
Vending-Bench 2Andon Labs6520.5–
AutomationBenchArtificial Analysis38.9%†71.3%
GDP.pdf (AA)Artificial Analysis14.4%†32.6%
Harvey LAB-AA v1.1Harvey–13.1%
AA-Briefcase v1.1Artificial Analysis851†1729
GDPxGDPx by SemiAnalysis–9.0%
Design Arena AgenticDesign Arena1172–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–37.1%
数学
ProofBenchVals AI39.0%–
LiveBench MathematicsLiveBench87.1%†–
Arena MathsArena (LMArena)1493–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub57.8%–
LiveBench 1.0 Data AnalysisLiveBench72.5%†–
AA-Omniscience v1.1Artificial Analysis–30.6
MMLU-ProVals AI88.7%†–
LegalBenchVals AI85.0%†87.4%
CorpFinVals AI71.3%†–
TaxEvalVals AI79.7%†–
PRBench FinanceScale AI SEAL55.0%–
PRBench LegalScale AI SEAL57.0%–
MultiNRCScale AI SEAL65.6%–
BioMysteryBenchVals AI–73.3%
Excel Modeling BenchmarkVals AI56.4%†71.9%
Excel Modeling Benchmark v1.1Vals AI–75.0%
MedCodeVals AI–49.9%
MedScribeVals AI88.9%†89.3%
Public Benefits Bench v1.1Vals AI61.3%†73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI–71.2%
GDP.pdfEpoch AI Benchmarking Hub15.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–82.4%
指令遵循
LiveBench LanguageLiveBench74.3%†–
LiveBench Instruction FollowingLiveBench69.6%†–
MultiChallengeScale AI SEAL75.3%–
Arena Instruction FollowingArena (LMArena)1473–
人类偏好
Arena TextArena (LMArena)1491–
EQ-Bench 4EQ-Bench1244–
EQ-Bench Creative Writing v3EQ-Bench1928–
Arena Creative WritingArena (LMArena)1443–
Arena Multi-turnArena (LMArena)1497–
Arena Longer QueriesArena (LMArena)1481–
多模态
Arena VisionArena (LMArena)1292–
MMMU-Pro (Vals)Vals AI86.6%†–
MortgageTaxVals AI66.1%†–
VTBScale AI SEAL44.8%–
长上下文
AA-LCR v1.1Artificial Analysis77.7%†83.7%
Arena DocumentArena (LMArena)1480–
MLCRArtificial Analysis7.2%†22.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.9–
LiveBench 1.0LiveBench75.3%†–
AA Intelligence Index v5.0.1Artificial Analysis–50.1
AA Intelligence Index v4.3.2Artificial Analysis33.7†55.8
AA Progress Index v1Artificial Analysis302.7†343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI–48.5%
Vals Multimodal IndexVals AI66.7%†–
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI–77.9%
安全与诚实
FORTRESSScale AI SEAL12.4%–

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

  • Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • Muse Spark 1.1:1 项分数修订。
  • Muse Wonder Full (max):1 项分数修订。
  • Muse Wonder Full (max):1 项分数修订。
  • Muse Wonder Full (max):1 项新结果(Arena Agent)。
  • Muse Spark 1.1:2 项分数修订。
  • Muse Wonder Full (max):6 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);2 项分数修订。
  • Muse Spark 1.1:1 项分数修订。
  • Muse Wonder Full (max):1 项新结果(Terminal-Bench-Science 0.1 (AA))。
  • Muse Wonder Full (max):9 项新结果(Code Migration v1.1, Excel Modeling Benchmark v1.1, Finance Agent v2.1…)。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Muse Spark 1.1 vs Muse Wonder Full:常见问题

Muse Spark 1.1 比 Muse Wonder Full 更好吗?
Muse Spark 1.1 与 Muse Wonder Full (max) 的质量不相上下(62.2 比 61.7,在 ±6.1 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。
编程用 Muse Spark 1.1 还是 Muse Wonder Full 更好?
Muse Wonder Full 在编程方面得分更高(类别得分 70 比 66,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Muse Spark 1.1 为 1542,Muse Wonder Full 为 1724。
智能体和工具调用用 Muse Spark 1.1 还是 Muse Wonder Full 更好?
Muse Wonder Full 在智能体任务方面得分更高(类别得分 64 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 Arena Agent 上,Muse Spark 1.1 为 -8,Muse Wonder Full 为 9。
处理长文档哪个更好?
两者都约为 1M token(Muse Spark 1.1 为 1,048,576,Muse Wonder Full 为 1,000,000)。
第三方基准测试对 Muse Spark 1.1 和 Muse Wonder Full 的看法一致吗?
在两者都有结果的 3 项基准测试中,Muse Spark 1.1 领先 0 项,Muse Wonder Full 领先 3 项。
更多问题(1)
Muse Wonder Full 是什么时候发布的?
Muse Wonder Full 于 2026年10月12日 发布。