BenchLeader

Muse Spark 1.1 vs Qwen3.6 Max

完整资料:Muse Spark 1.1(Meta)和 Qwen3.6 Max(Alibaba),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 Qwen3.6 Max 的质量不相上下(BenchLeader Index 62.2 比 62.1,在 ±6.4 的误差范围内)。Muse Spark 1.1 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $2.00 比 $2.92)。看重编程(66 比 56)、知识(69 比 60)和推理(68 比 61)选 Muse Spark 1.1;看重智能体与工具(72 比 51)、指令遵循(75 比 70)和数学(64 比 61)选 Qwen3.6 Max。

要点(截至 2026年11月16日)

  • Muse Spark 1.1 的 BenchLeader Index 为 62.2,Qwen3.6 Max 为 62.1(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)。
  • Qwen3.6 Max 每百万 token 混合价格为 $2.92(标价,2026年11月16日)。
  • 在两者都有结果的 12 项基准测试中,Muse Spark 1.1 领先 12 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Muse Spark 1.1 的评分为 1542,Qwen3.6 Max 为 1482(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 Spark 1.1类别得分 66 比 56;Arena WebDev 1542 比 1482高
智能体与工具调用Qwen3.6 Max类别得分 72 比 51;Vending-Bench 2 4254.2 比 6520.5高
数学Qwen3.6 Max类别得分 64 比 61;Arena Maths 1471 比 1493中
推理Muse Spark 1.1类别得分 68 比 61;Arena Hard Prompts 1511 比 1481中
知识Muse Spark 1.1类别得分 69 比 60;SimpleQA Verified 57.8% 比 52.0%高
指令遵循Qwen3.6 Max类别得分 75 比 70;Arena Instruction Following 1451 比 1473中
对话质量(人类偏好)均可Arena 投票 65 比 65均可
成本最低Muse Spark 1.1每百万 token 混合价格 $2.00 比 $2.92;智能体编程会话 $0.092 比 $0.109–
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 Qwen3.6 Max (max) 的质量不相上下(62.2 比 62.1,在 ±6.4 的误差范围内)。
  • Muse Spark 1.1 在编程、知识、推理方面更强。
  • Qwen3.6 Max (max) 在智能体与工具、指令遵循、数学方面更强。
  • Muse Spark 1.1 更便宜,对方的价格是它的 1.5 倍(每百万 token 混合价格 $2.00 比 $2.92)。

概览

规格Muse Spark 1.1Qwen3.6 Max
提供商MetaAlibaba
发布日期2026年7月9日2026年4月20日
上下文窗口(token)1,048,576262,144
对比时的配置Muse Spark 1.1Qwen3.6 Max (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$1.30 / $7.80 / $0.130

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 1.1Qwen3.6 Max (max)领先者
推理67.860.8Muse Spark 1.1
编程65.855.9Muse Spark 1.1
智能体与工具50.972.1Qwen3.6 Max
数学61.364.4Qwen3.6 Max
知识69.259.7Muse Spark 1.1
指令遵循70.474.7Qwen3.6 Max
人类偏好64.564.5持平
多模态63.6–无法比较
长上下文–65.0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指令遵循人类偏好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, 数学: 61.3Muse Spark 1.1, 知识: 69.2Muse Spark 1.1, 指令遵循: 70.4Muse Spark 1.1, 人类偏好: 64.5Qwen3.6 Max, 推理: 60.8Qwen3.6 Max, 编程: 55.9Qwen3.6 Max, 智能体与工具: 72.1Qwen3.6 Max, 数学: 64.4Qwen3.6 Max, 知识: 59.7Qwen3.6 Max, 指令遵循: 74.7Qwen3.6 Max, 人类偏好: 64.5

未绘制(测得的模型少于两个):长上下文, 多模态。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 12 项基准测试中,Muse Spark 1.1 领先 12 项,Qwen3.6 Max 领先 0 项。所有同时评测两者的综合评分都认为 Muse Spark 1.1 更强。

综合 IndexMuse Spark 1.1Qwen3.6 Max (max)领先者
BenchLeader Index62.262.1不相上下
Arena Text14911460Muse Spark 1.1

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 1.1Qwen3.6 Max (max)
每百万 token 混合价格$2.00$2.92
每百万 token 输入 / 输出$1.25 / $4.25$1.30 / $7.80
每百万 token 缓存输入$0.150$0.130
每项任务价格:聊天回复$0.0018$0.0029
每项任务价格:总结一份 30 页的报告$0.018$0.020
每项任务价格:代码编辑$0.014$0.019
每项任务价格:智能体编程会话$0.092$0.109
每项任务价格:结构化信息提取$0.0034$0.0042
智能体编程会话(输入大多命中缓存)$0.043$0.057
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)。Qwen3.6 Max (max) 得分 62.1。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 97 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 1.1Qwen3.6 Max (max)
BenchLeader IndexBenchLeader62.262.1
智能体与工具得分BenchLeader50.972.1
编程得分BenchLeader65.855.9
人类偏好得分BenchLeader64.564.5
指令遵循得分BenchLeader70.474.7
知识得分BenchLeader69.259.7
数学得分BenchLeader61.364.4
多模态得分BenchLeader63.6–
推理得分BenchLeader67.860.8
长上下文得分BenchLeader–65.0
混合价格(美元/百万 token)BenchLeader$2.00$2.92
输出速度BenchLeader193 tok/s–
首次回答时间BenchLeader1.8 秒–
上下文窗口BenchLeader1,048,576 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–87.4%
SimpleBenchSimpleBench–63.0%
Arena Hard PromptsArena (LMArena)15111481
LiveBench 1.0 ReasoningLiveBench87.7%†–
GPQA Diamond (AA)Artificial Analysis89.8%†88.8%
Humanity's Last Exam (AA)Artificial Analysis46.2%†30.8%
GPQA Diamond (Vals)Vals AI91.2%†–
CritPtArtificial Analysis15.1%†3.7%
Arena ExpertArena (LMArena)15041497
Chess PuzzlesEpoch AI Benchmarking Hub34.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub–19.0%†
LMCAEpoch AI Benchmarking Hub49.9%†42.5%
DTBenchEpoch AI Benchmarking Hub94.4%†87.2%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%
SciCodeSciCode58.8%–
Arena CodingArena (LMArena)15331510
Arena WebDevArena (LMArena)15421482
LiveBench 1.0 CodingLiveBench77.2%†–
LiveCodeBenchVals AI85.9%†–
SWE-bench (Vals)Vals AI82.0%†72.8%
SWE-Bench ProScale AI SEAL61.5%–
Code MigrationVals AI31.1%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench v1.1Vals AI72.2%†–
SWE-Bench Pro (private)Scale AI SEAL51.5%–
显示全部 97 项基准测试
指标发布方Muse Spark 1.1Qwen3.6 Max (max)
编程
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%†–
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%†–
Design Arena WebsiteDesign Arena1263–
智能体与工具
APEX-AgentsMercor31.8%–
Arena AgentArena (LMArena)-8–
LiveBench Agentic CodingLiveBench58.5%†–
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.9%
Terminal-Bench 2.1 (Vals)Vals AI69.3%†–
MCP AtlasScale AI SEAL88.1%–
τ³-bench Bankingτ²-bench40.5%†–
GDPval-AA v2.1Artificial Analysis1216†–
τ³-Banking (AA)Artificial Analysis31.8%†–
Finance Agent v2Vals AI57.2%†–
Harvey's Legal Agent Benchmark v1Vals AI20.0%†–
Legal Research BenchVals AI38.0%†–
SkillsBenchVals AI59.2%†–
Terminal-Bench 2.0 (Vals)Vals AI–51.7%
Time Horizon Index: KSPVals AI1.7%†–
Arena Agent Task CompletionArena (LMArena)-6.5–
GBAEvalEpoch AI Benchmarking Hub7.9%–
Vending-Bench 2Andon Labs6520.54254.2
AutomationBenchArtificial Analysis38.9%†–
GDP.pdf (AA)Artificial Analysis14.4%†–
AA-Briefcase v1.1Artificial Analysis851†–
Design Arena AgenticDesign Arena1172–
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub–91.1%
ProofBenchVals AI39.0%–
LiveBench MathematicsLiveBench87.1%†–
Arena MathsArena (LMArena)14931471
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub57.8%52.0%
LiveBench 1.0 Data AnalysisLiveBench72.5%†–
MMLU-ProVals AI88.7%†–
LegalBenchVals AI85.0%†–
CorpFinVals AI71.3%†66.5%
TaxEvalVals AI79.7%†–
PRBench FinanceScale AI SEAL55.0%–
PRBench LegalScale AI SEAL57.0%–
MultiNRCScale AI SEAL65.6%–
CaseLaw v2Vals AI–47.9%
Excel Modeling BenchmarkVals AI56.4%†–
MedScribeVals AI88.9%†–
Public Benefits Bench v1.1Vals AI61.3%†–
GDP.pdfEpoch AI Benchmarking Hub15.0%–
指令遵循
LiveBench LanguageLiveBench74.3%†–
LiveBench Instruction FollowingLiveBench69.6%†–
IFBenchArtificial Analysis–76.6%
MultiChallengeScale AI SEAL75.3%–
Arena Instruction FollowingArena (LMArena)14731451
人类偏好
Arena TextArena (LMArena)14911460
EQ-Bench 4EQ-Bench1244–
EQ-Bench Creative Writing v3EQ-Bench1928–
Arena Creative WritingArena (LMArena)14431438
Arena Multi-turnArena (LMArena)14971466
Arena Longer QueriesArena (LMArena)14811473
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%†80.7%
Arena DocumentArena (LMArena)1480–
MLCRArtificial Analysis7.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.9149.8
LiveBench 1.0LiveBench75.3%†–
AA Intelligence Index v4.3.2Artificial Analysis33.7†28.4
AA Progress Index v1Artificial Analysis302.7†297.1
Vals Multimodal IndexVals AI66.7%†–
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

  • Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
  • Muse Spark 1.1:1 项分数修订。
  • Muse Spark 1.1:2 项分数修订。
  • Qwen3.6 Max (max):1 项新结果(AA Progress Index v1)。
  • Muse Spark 1.1:1 项分数修订。
  • Muse Spark 1.1:BenchLeader Index 63.1 → 62.5。
  • Qwen3.6 Max (max):BenchLeader Index 63.3 → 62.8。

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 Qwen3.6 Max:常见问题

Muse Spark 1.1 比 Qwen3.6 Max 更好吗?
Muse Spark 1.1 与 Qwen3.6 Max (max) 的质量不相上下(62.2 比 62.1,在 ±6.4 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 Qwen3.6 Max 哪个更便宜?价格会变吗?
目前 Muse Spark 1.1 更便宜:每百万 token $2.00 比 $2.92(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 Spark 1.1 还是 Qwen3.6 Max 更好?
Muse Spark 1.1 在编程方面得分更高(类别得分 66 比 56,50 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,Qwen3.6 Max 为 1482。
智能体和工具调用用 Muse Spark 1.1 还是 Qwen3.6 Max 更好?
Qwen3.6 Max 在智能体任务方面得分更高(类别得分 72 比 51,50 为平均水平)。
处理长文档哪个更好?
Muse Spark 1.1 支持更长的上下文:1,048,576 token,Qwen3.6 Max 为 262,144 token。
更多问题(2)
第三方基准测试对 Muse Spark 1.1 和 Qwen3.6 Max 的看法一致吗?
在两者都有结果的 12 项基准测试中,Muse Spark 1.1 领先 12 项,Qwen3.6 Max 领先 0 项。所有同时评测两者的综合评分都认为 Muse Spark 1.1 更强。
Muse Spark 1.1 是什么时候发布的?
Muse Spark 1.1 于 2026年7月9日 发布。