BenchLeader

Muse Spark 1.1 vs Step 5 Preview

完整资料:Muse Spark 1.1(Meta)和 Step 5 Preview(StepFun),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,质量上 Muse Spark 1.1 领先 Step 5 Preview(BenchLeader Index 62.2 比 56.0)。不过,Step 5 Preview 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $1.43 比 $2.00)。在两者都有成绩的所有类别中,Muse Spark 1.1 均领先。Muse Spark 1.1 输出更快。

要点(截至 2026年11月16日)

  • Muse Spark 1.1 的 BenchLeader Index 为 62.2,Step 5 Preview 为 56.0(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)。
  • Step 5 Preview 每百万 token 混合价格为 $1.43(标价,2026年11月16日)。
  • Muse Spark 1.1 比 Step 5 Preview 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 13 项基准测试中,Muse Spark 1.1 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Muse Spark 1.1类别得分 66 比 50;Arena Coding 1533 比 1505高
智能体与工具调用Muse Spark 1.1类别得分 51 比 49;Arena Agent -8 比 -3.7中
数学Muse Spark 1.1类别得分 61 比 60;Arena Maths 1493 比 1470中
推理Muse Spark 1.1类别得分 68 比 52;Arena Hard Prompts 1511 比 1477高
知识Muse Spark 1.1类别得分 69 比 54高
图像及其他媒体Muse Spark 1.1类别得分 64 比 59;Arena Vision 1292 比 1263中
对话质量(人类偏好)Muse Spark 1.1Arena 投票 65 比 63中
成本最低Step 5 Preview每百万 token 混合价格 $1.43 比 $2.00;智能体编程会话 $0.071 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 23.5 秒(Step 5 Preview)–
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

  • 质量上 Muse Spark 1.1 领先:62.2 比 56.0。
  • Muse Spark 1.1 在智能体与工具、编程、人类偏好、知识、数学、多模态、推理方面更强。
  • Step 5 Preview 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $1.43 比 $2.00)。
  • Muse Spark 1.1 的输出速度是对方的 1.6 倍(193 比 124 token/秒)。

概览

规格Muse Spark 1.1Step 5 Preview
提供商MetaStepFun
发布日期2026年7月9日2026年9月18日
上下文窗口(token)1,048,5761,000,000
对比时的配置Muse Spark 1.1Step 5 Preview
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$1.25 / $4.25 / $0.150$1.00 / $2.70 / $0.105

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 1.1Step 5 Preview领先者
推理67.851.7Muse Spark 1.1
编程65.849.9Muse Spark 1.1
智能体与工具50.949.1Muse Spark 1.1
数学61.360.1Muse Spark 1.1
知识69.253.7Muse Spark 1.1
指令遵循70.4–无法比较
人类偏好64.563.1Muse Spark 1.1
多模态63.659.3Muse Spark 1.1
长上下文–69.0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多模态人类偏好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, 多模态: 63.6Muse Spark 1.1, 人类偏好: 64.5Step 5 Preview, 推理: 51.7Step 5 Preview, 编程: 49.9Step 5 Preview, 智能体与工具: 49.1Step 5 Preview, 数学: 60.1Step 5 Preview, 知识: 53.7Step 5 Preview, 多模态: 59.3Step 5 Preview, 人类偏好: 63.1

未绘制(测得的模型少于两个):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 13 项基准测试中,Muse Spark 1.1 领先 9 项,Step 5 Preview 领先 4 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 1.1Step 5 Preview领先者
BenchLeader Index62.256.0Muse Spark 1.1
Arena Text14911449Muse 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 1.1Step 5 Preview
每百万 token 混合价格$2.00$1.43
每百万 token 输入 / 输出$1.25 / $4.25$1.00 / $2.70
每百万 token 缓存输入$0.150$0.105
每项任务价格:聊天回复$0.0018$0.0012
每项任务价格:总结一份 30 页的报告$0.018$0.014
每项任务价格:代码编辑$0.014$0.010
每项任务价格:智能体编程会话$0.092$0.071
每项任务价格:结构化信息提取$0.0034$0.0025
智能体编程会话(输入大多命中缓存)$0.043$0.030
每项基准测试任务成本(AA Index)–$2.35
每项任务输出 token(AA Index)–113k
其中推理部分–80k
每项任务耗时(AA Index)–15 min
输出速度193 tok/s124 tok/s
首次回答时间1.8 秒23.5 秒
完整回答耗时(最近一次测量 2026年11月13日)–54.4 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)。Step 5 Preview 得分 56.0,首个回答 token 需 24 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 134 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 1.1Step 5 Preview
BenchLeader IndexBenchLeader62.256.0
智能体与工具得分BenchLeader50.949.1
编程得分BenchLeader65.849.9
人类偏好得分BenchLeader64.563.1
指令遵循得分BenchLeader70.4–
知识得分BenchLeader69.253.7
数学得分BenchLeader61.360.1
多模态得分BenchLeader63.659.3
推理得分BenchLeader67.851.7
长上下文得分BenchLeader–69.0
混合价格(美元/百万 token)BenchLeader$2.00$1.43
输出速度BenchLeader193 tok/s124 tok/s
首次回答时间BenchLeader1.8 秒23.5 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
Arena Hard PromptsArena (LMArena)15111477
LiveBench 2.0 ReasoningLiveBench–83.8%†
LiveBench 1.0 ReasoningLiveBench87.7%†–
GPQA Diamond (AA)Artificial Analysis89.8%†–
Humanity's Last Exam (AA)Artificial Analysis46.2%†46.5%
HLE-Diamond (AA)Artificial Analysis–24.3%
GPQA Diamond (Vals)Vals AI91.2%†–
CritPtArtificial Analysis15.1%†20.9%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
MysteryMechanismVals AI–18.5%
Arena ExpertArena (LMArena)15041489
Chess PuzzlesEpoch AI Benchmarking Hub34.0%†–
LMCAEpoch AI Benchmarking Hub49.9%†–
DTBenchEpoch AI Benchmarking Hub94.4%†–
编程
SciCodeSciCode58.8%58.9%
Arena CodingArena (LMArena)15331505
Arena WebDevArena (LMArena)15421573†
LiveBench 2.0 CodingLiveBench–67.6%†
LiveBench 1.0 CodingLiveBench77.2%†–
LiveCodeBenchVals AI85.9%†–
IOIVals AI–38.1%
SWE-bench (Vals)Vals AI82.0%†–
SWE-Bench ProScale AI SEAL61.5%–
Code MigrationVals AI31.1%†39.0%
Code Migration v1.1Vals AI–47.0%
显示全部 134 项基准测试
指标发布方Muse Spark 1.1Step 5 Preview
编程
ProgramBenchVals AI0.0%†–
SWE-bench MultimodalVals AI–40.8%
Vibe Code Bench v1.1Vals AI72.2%†70.4%
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%†33.3%
Terminal-Bench 2.1 (AA)Artificial Analysis77.9%†–
Design Arena WebsiteDesign Arena1263–
FrontierCode 1.1 (AA)Artificial Analysis–38.4%
FrontierCode 2.0 (AA)Artificial Analysis–12.0%
智能体与工具
APEX-AgentsMercor31.8%–
Arena AgentArena (LMArena)-8-3.7
LiveBench Long AgenticLiveBench–19.4%†
LiveBench BrowserLiveBench–24.8%†
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–54.3%
GDPval-AA v2.1Artificial Analysis1216†1591
τ³-Banking (AA)Artificial Analysis31.8%†–
ITBench SRE (AA)Artificial Analysis–55.6%
Analyst Agent (AA)Artificial Analysis–35.0%
APEX-Agents (AA)Artificial Analysis–38.0%
Finance Agent v2Vals AI57.2%†50.7%
Finance Agent v2.1Vals AI–58.9%
Harvey's Legal Agent Benchmark v1.1Vals AI–12.9%
Harvey's Legal Agent Benchmark v1Vals AI20.0%†9.2%
Legal Research BenchVals AI38.0%†40.4%
SkillsBenchVals AI59.2%†–
SREBenchVals AI–0.4%
Tax Agent BenchVals AI–27.3%
Terminal-Bench 4.0 (Vals)Vals AI–31.8%
Terminal-Bench ScienceVals AI–2.9%
Time Horizon Index: KSPVals AI1.7%†–
Arena Agent Task CompletionArena (LMArena)-6.5-1.5
GBAEvalEpoch AI Benchmarking Hub7.9%–
Vending-Bench 2Andon Labs6520.5–
AutomationBenchArtificial Analysis38.9%†51.0%
GDP.pdf (AA)Artificial Analysis14.4%†14.8%
EnterpriseOps-GymArtificial Analysis–47.2%
AA-Briefcase v1.1Artificial Analysis851†1424
Design Arena AgenticDesign Arena1172–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–2.4%
CWE-Bench (AA)Artificial Analysis–52.5%
DeepSec-Bench (AA)Artificial Analysis–15.8%
CyberGym end-to-end (AA)Artificial Analysis–74.8%
MKA (AA)Artificial Analysis–27.6%
数学
ProofBenchVals AI39.0%42.0%
LiveBench MathematicsLiveBench87.1%†–
Arena MathsArena (LMArena)14931470
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub57.8%–
LiveBench 2.0 Data AnalysisLiveBench–63.5%†
LiveBench ResearchLiveBench–75.5%†
LiveBench 1.0 Data AnalysisLiveBench72.5%†–
AA-Omniscience v1.1Artificial Analysis–16.4
MMLU-ProVals AI88.7%†–
LegalBenchVals AI85.0%†–
CorpFinVals AI71.3%†–
TaxEvalVals AI79.7%†–
PRBench FinanceScale AI SEAL55.0%–
PRBench LegalScale AI SEAL57.0%–
MultiNRCScale AI SEAL65.6%–
BioMysteryBenchVals AI–67.4%
Excel Modeling BenchmarkVals AI56.4%†57.1%
Excel Modeling Benchmark v1.1Vals AI–69.5%
MedScribeVals AI88.9%†–
Public Benefits Bench v1.1Vals AI61.3%†58.1%
GDP.pdfEpoch AI Benchmarking Hub15.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis–36.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–68.7%
指令遵循
LiveBench LanguageLiveBench74.3%†–
LiveBench Instruction FollowingLiveBench69.6%†–
MultiChallengeScale AI SEAL75.3%–
Arena Instruction FollowingArena (LMArena)14731450
人类偏好
Arena TextArena (LMArena)14911449
EQ-Bench 4EQ-Bench1244–
EQ-Bench Creative Writing v3EQ-Bench1928–
Arena Creative WritingArena (LMArena)14431413
Arena Multi-turnArena (LMArena)14971445
Arena Longer QueriesArena (LMArena)14811461
多模态
Arena VisionArena (LMArena)12921263
LiveBench DesignLiveBench–70.8%†
MMMU-ProArtificial Analysis–76.4%
MMMU-Pro (Vals)Vals AI86.6%†–
MortgageTaxVals AI66.1%†–
VTBScale AI SEAL44.8%–
Code2Video-AAArtificial Analysis–821
AA-3DArtificial Analysis–859
长上下文
AA-LCR v1.1Artificial Analysis77.7%†88.3%
Arena DocumentArena (LMArena)1480–
MLCRArtificial Analysis7.2%†18.3%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub154.9–
LiveBench 2.0LiveBench–54.9%†
LiveBench 1.0LiveBench75.3%†–
AA Intelligence Index v5.0.1Artificial Analysis–28.5
AA Intelligence Index v4.3.2Artificial Analysis33.7†43.7
AA Progress Index v1Artificial Analysis302.7†318.2
Vals IndexVals AI–54.8
Vals Finance IndexVals AI–55.4%
Vals Science IndexVals AI–29.6%
Vals Multimodal IndexVals AI66.7%†–
Vals Legal IndexVals AI–70.2%
AA Cyber IndexArtificial Analysis–47.7
安全与诚实
FORTRESSScale AI SEAL12.4%–
元数据
AA Openness IndexArtificial Analysis–33.3

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

  • Step 5 Preview:BenchLeader Index 54.2 → 56.0。
  • Step 5 Preview:BenchLeader Index 54.7 → 54.2。
  • Step 5 Preview:1 项分数修订。
  • Step 5 Preview:7 项分数修订。
  • Muse Spark 1.1:1 项分数修订。
  • Step 5 Preview:2 项新结果(Vals Index, Harvey's Legal Agent Benchmark v1.1)。
  • Muse Spark 1.1:2 项分数修订。
  • Step 5 Preview:1 项分数修订。
  • Step 5 Preview:BenchLeader Index 58.0 → 54.7。
  • Step 5 Preview:5 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);2 项分数修订;价格 $1.03/M → $2.35/M。

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 Step 5 Preview:常见问题

Muse Spark 1.1 比 Step 5 Preview 更好吗?
质量上 Muse Spark 1.1 领先:62.2 比 56.0。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Muse Spark 1.1 总体领先,但请结合你的用途查看各类别得分。
Muse Spark 1.1 和 Step 5 Preview 哪个更便宜?价格会变吗?
目前 Step 5 Preview 更便宜:每百万 token $1.43 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 Muse Spark 1.1 还是 Step 5 Preview 更好?
Muse Spark 1.1 在编程方面得分更高(类别得分 66 比 50,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,Muse Spark 1.1 为 58.8%,Step 5 Preview 为 58.9%。
Muse Spark 1.1 和 Step 5 Preview 哪个更快?
Muse Spark 1.1 输出更快(输出 193 比 124 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Muse Spark 1.1 还是 Step 5 Preview 更好?
Muse Spark 1.1 在智能体任务方面得分更高(类别得分 51 比 49,50 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,Step 5 Preview 为 -3.7。
更多问题(4)
处理长文档哪个更好?
两者都约为 1M token(Muse Spark 1.1 为 1,048,576,Step 5 Preview 为 1,000,000)。
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 23.5 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 Step 5 Preview 的看法一致吗?
在两者都有结果的 13 项基准测试中,Muse Spark 1.1 领先 9 项,Step 5 Preview 领先 4 项。所有同时评测两者的综合评分都认为 Muse Spark 1.1 更强。
Step 5 Preview 是什么时候发布的?
Step 5 Preview 于 2026年9月18日 发布。