BenchLeader

Muse Spark 1.2 vs Muse Spark 1.3

完整资料:Muse Spark 1.2(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 11 个来源

截至 2026年11月16日,Muse Spark 1.2 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 61.5 比 61.6,在 ±9.6 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(67 比 56)选 Spark 1.2;看重知识(81 比 65)、智能体与工具(61 比 55)和推理(71 比 68)选 Spark 1.3。Spark 1.3 的首次回答更快(2.6 秒 比 11.4 秒)。Spark 1.2 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Muse Spark 1.2 的 BenchLeader Index 为 61.5,Muse Spark 1.3 为 61.6(BenchLeader,2026年11月16日)。
  • Muse Spark 1.2 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 1.2 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 3 项基准测试中,Muse Spark 1.3 领先 3 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 55中
数学Muse Spark 1.2类别得分 67 比 56高
推理Muse Spark 1.3类别得分 71 比 68;LMCA 53.9% 比 48.4%中
知识Muse Spark 1.3类别得分 81 比 65;GDP.pdf 27.6% 比 16.0%高
对话质量(人类偏好)–只有 Muse Spark 1.2 有 Arena 评分(类别得分 69)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 1.3首个回答 token 2.6 秒(Muse Spark 1.3)比 11.4 秒(Muse Spark 1.2 (xhigh))–
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 1.2 (xhigh) 与 Muse Spark 1.3 的质量不相上下(61.5 比 61.6,在 ±9.6 的误差范围内)。
  • Muse Spark 1.2 (xhigh) 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 1.2Muse Spark 1.3
提供商MetaMeta
发布日期2026年8月5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 1.2 (xhigh)Muse 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 1.2 (xhigh)Muse Spark 1.3领先者
推理68.171.0Muse Spark 1.3
编程54.7–无法比较
智能体与工具55.461.3Muse Spark 1.3
数学66.856.3Muse Spark 1.2
知识64.581.2Muse Spark 1.3
人类偏好68.6–无法比较
多模态65.3–无法比较
长上下文64.1–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 1.2, 推理: 68.1Muse Spark 1.2, 智能体与工具: 55.4Muse Spark 1.2, 数学: 66.8Muse Spark 1.2, 知识: 64.5Muse 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 3 项基准测试中,Muse Spark 1.2 领先 0 项,Muse Spark 1.3 领先 3 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 1.2 (xhigh)Muse Spark 1.3领先者
BenchLeader Index61.561.6不相上下
Arena Text14931497†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 1.2 (xhigh)Muse 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208 tok/s163 tok/s
首次回答时间11.4 秒2.6 秒
完整回答耗时(最近一次测量 2026年11月13日)23.9 秒–

每个模型都按其排名最高的推理强度设置进行对比。Muse Spark 1.2 (xhigh) 得分 61.5,首个回答 token 需 11 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 137 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 1.2 (xhigh)Muse Spark 1.3
BenchLeader IndexBenchLeader61.561.6
智能体与工具得分BenchLeader55.461.3
编程得分BenchLeader54.7–
人类偏好得分BenchLeader68.6–
知识得分BenchLeader64.581.2
长上下文得分BenchLeader64.1–
数学得分BenchLeader66.856.3
多模态得分BenchLeader65.3–
推理得分BenchLeader68.171.0
混合价格(美元/百万 token)BenchLeader$2.00$2.00
输出速度BenchLeader208 tok/s163 tok/s
首次回答时间BenchLeader11.4 秒2.6 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
SimpleBenchSimpleBench74.5%†81.8%
Arena Hard PromptsArena (LMArena)15141517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench90.0%89.7%†
GPQA Diamond (AA)Artificial Analysis90.4%93.5%†
Humanity's Last Exam (AA)Artificial Analysis45.5%48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
CritPtArtificial Analysis17.7%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)15031521†
Chess PuzzlesEpoch AI Benchmarking Hub27.0%37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–25.0%†
LMCAEpoch AI Benchmarking Hub48.4%53.9%
DTBenchEpoch AI Benchmarking Hub94.7%96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SciCodeSciCode57.4%58.8%†
WeirdMLWeirdML60.3%–
Arena CodingArena (LMArena)15421534†
Arena WebDevArena (LMArena)15341655†
LiveBench 2.0 CodingLiveBench–84.4%†
LiveBench 1.0 CodingLiveBench77.5%81.1%†
IOIVals AI21.8%56.6%†
显示全部 137 项基准测试
指标发布方Muse Spark 1.2 (xhigh)Muse Spark 1.3
编程
SWE-bench (Vals)Vals AI86.6%–
Code MigrationVals AI29.9%47.4%†
ProgramBenchVals AI0.5%2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI79.1%85.9%†
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
DeepSWE v1.1Epoch AI Benchmarking Hub54.9%–
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub–1688.3†
FrontierSWEEpoch AI Benchmarking Hub12.0%25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis7.1%33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis80.2%84.3%†
Startrise FrontendStartrise70.3%†74.7%
GameBench 2 OverallDuelLab GameBench 251.5†57.7
GameBench 2 by reasoning settingDuelLab GameBench 256.968.5†
Design Arena WebsiteDesign Arena1309†1353†
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-AgentsMercor45.4%†58.6%
Arena AgentArena (LMArena)-8.22.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench57.6%64.1%†
Terminal-Bench 2.1 (Vals)Vals AI69.7%79.0%†
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis14781681†
τ³-Banking (AA)Artificial Analysis34.9%50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI69.5%72.7%†
Finance Agent v2Vals AI60.6%60.0%†
Harvey's Legal Agent Benchmark v1Vals AI25.4%23.8%†
Legal Research BenchVals AI43.8%55.3%†
SkillsBenchVals AI53.0%–
SREBenchVals AI0.0%3.8%†
Tax Agent BenchVals AI32.8%42.4%†
Terminal-Bench 4.0 (Vals)Vals AI6.1%24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena Agent Task CompletionArena (LMArena)-9.83.7†
AutomationBenchArtificial Analysis40.6%57.9%†
GDP.pdf (AA)Artificial Analysis17.4%26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
EnterpriseOps-GymArtificial Analysis47.3%–
AA-Briefcase v1.1Artificial Analysis13231581†
Design Arena AgenticDesign Arena1185†1283†
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 AI43.0%†55.0%
LiveBench MathematicsLiveBench91.2%96.0%†
Arena MathsArena (LMArena)14861506†
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub60.3%–
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench76.5%79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI88.3%–
LegalBenchVals AI85.3%–
CorpFinVals AI70.9%–
TaxEvalVals AI80.4%–
PRBench FinanceScale AI SEAL–59.5%
PRBench LegalScale AI SEAL–61.6%
BioMysteryBenchVals AI64.8%–
Excel Modeling BenchmarkVals AI57.0%67.4%†
MedCodeVals AI49.4%–
MedScribeVals AI90.1%–
Public Benefits Bench v1.1Vals AI68.5%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI75.7%70.3%†
Immigration BenchVals AI66.5%64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub16.0%27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
指令遵循
LiveBench LanguageLiveBench78.6%82.8%†
LiveBench Instruction FollowingLiveBench74.3%78.0%†
Arena Instruction FollowingArena (LMArena)14791485†
人类偏好
Arena TextArena (LMArena)14931497†
EQ-Bench Creative Writing v3EQ-Bench1842†1907
Arena Creative WritingArena (LMArena)14431468†
Arena Multi-turnArena (LMArena)15101493†
Arena Longer QueriesArena (LMArena)14911498†
多模态
Arena VisionArena (LMArena)13051310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis–82.0%†
MMMU-Pro (Vals)Vals AI86.1%–
MortgageTaxVals AI65.4%–
Humanity's Sixth SenseScale AI SEAL24.5%37.4%†
GeoBenchGeoBench–86.0%
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
长上下文
AA-LCR v1.1Artificial Analysis79.0%83.0%†
Arena DocumentArena (LMArena)–1474†
MLCRArtificial Analysis7.2%13.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.0†158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench78.0%81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis39.648.1†
AA Progress Index v1Artificial Analysis309.1324.5†
Vals RSI IndexVals AI–19.6%†
Vals Multimodal IndexVals AI69.8%†–
AA Cyber IndexArtificial Analysis–44.3†
安全与诚实
DistressBenchScale AI SEAL88.4%†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 1.2 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • 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 1.3:1 项分数修订。
  • Muse Spark 1.2 (xhigh):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 1.2 vs Muse Spark 1.3:常见问题

Muse Spark 1.2 比 Muse Spark 1.3 更好吗?
Muse Spark 1.2 (xhigh) 与 Muse Spark 1.3 的质量不相上下(61.5 比 61.6,在 ±9.6 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 1.2 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 1.2 和 Muse Spark 1.3 哪个更快?
Muse Spark 1.2 输出更快(约 2 倍;输出 208 比 163 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Muse Spark 1.2 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 55,50 为平均水平)。
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 1.3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 2.6 秒比 11.4 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 1.2 和 Muse Spark 1.3 的看法一致吗?
在两者都有结果的 3 项基准测试中,Muse Spark 1.2 领先 0 项,Muse Spark 1.3 领先 3 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。