BenchLeader

Muse Spark 1.3 vs Muse Spark Open

完整资料:Muse Spark 1.3(Meta)和 Muse Spark Open(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月16日,质量上 Muse Spark 1.3 领先 Muse Spark Open(BenchLeader Index 61.6 比 53.5)。两者价格相近(每百万 token 混合价格 $2.00 比 $2.00)。在两者都有成绩的所有类别中,Muse Spark 1.3 均领先。Muse Spark Open 输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Muse Spark 1.3 的 BenchLeader Index 为 61.6,Muse Spark Open 为 53.5(BenchLeader,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 Open 每百万 token 混合价格为 $2.00(标价,2026年11月16日)。
  • Muse Spark Open 比 Muse Spark 1.3 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,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
推理Muse Spark 1.3类别得分 71 比 51高
知识Muse Spark 1.3类别得分 81 比 59高
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 9.9 秒(Muse Spark Open (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

  • 质量上 Muse Spark 1.3 领先:61.6 比 53.5。
  • Muse Spark 1.3 在知识、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 1.3Muse Spark Open
提供商MetaMeta
发布日期2026年9月2日2026年10月15日
上下文窗口(token)1,048,5761,048,576
对比时的配置Muse Spark 1.3Muse Spark Open (xhigh)
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$1.25 / $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 1.3Muse Spark Open (xhigh)领先者
推理71.051.3Muse Spark 1.3
编程–36.0无法比较
智能体与工具61.3–无法比较
数学56.3–无法比较
知识81.258.8Muse Spark 1.3
多模态–63.3无法比较
长上下文–63.8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长上下文多模态Muse 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: 81.2Muse Spark Open, 推理: 51.3Muse Spark Open, 编程: 36.0Muse Spark Open, 知识: 58.8Muse Spark Open, 长上下文: 63.8Muse Spark Open, 多模态: 63.3

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):指令遵循, 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 0 项基准测试中,Muse Spark 1.3 领先 0 项,Muse Spark Open 领先 0 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 1.3Muse Spark Open (xhigh)领先者
BenchLeader Index61.653.5Muse Spark 1.3
AA Intelligence Index v5.0.136.6†24.9Muse 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 1.3Muse Spark Open (xhigh)
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
每项基准测试任务成本(AA Index)–$2.02
每项任务输出 token(AA Index)–66k
其中推理部分–32k
每项任务耗时(AA Index)–6 min
输出速度163 tok/s180 tok/s
首次回答时间2.6 秒9.9 秒
完整回答耗时(最近一次测量 2026年11月13日)–39.9 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 1.3 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)。Muse Spark Open (xhigh) 得分 53.5,首个回答 token 需 10 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 145 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 1.3Muse Spark Open (xhigh)
BenchLeader IndexBenchLeader61.653.5
智能体与工具得分BenchLeader61.3–
知识得分BenchLeader81.258.8
数学得分BenchLeader56.3–
推理得分BenchLeader71.051.3
编程得分BenchLeader–36.0
长上下文得分BenchLeader–63.8
多模态得分BenchLeader–63.3
混合价格(美元/百万 token)BenchLeader$2.00$2.00
输出速度BenchLeader163 tok/s180 tok/s
首次回答时间BenchLeader2.6 秒9.9 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
SimpleBenchSimpleBench81.8%–
Arena Hard PromptsArena (LMArena)1517†–
LiveBench 2.0 ReasoningLiveBench89.7%†73.7%†
LiveBench 1.0 ReasoningLiveBench89.7%†–
GPQA Diamond (AA)Artificial Analysis93.5%†89.0%
Humanity's Last Exam (AA)Artificial Analysis48.7%†43.9%
HLE-Diamond (AA)Artificial Analysis33.7%†26.3%
ARC-AGI-1ARC Prize–89.0%
ARC-AGI-2ARC Prize–57.5%
ARC-AGI-3ARC Prize–0.4%
CritPtArtificial Analysis24.9%†14.9%
CritPt v2 hard subset (AA)Artificial Analysis48.0%†29.5%
MysteryMechanismVals AI36.0%†–
HLE-Diamond (Scale)Scale AI SEAL25.4%28.0%†
Arena ExpertArena (LMArena)1521†–
Chess PuzzlesEpoch AI Benchmarking Hub37.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub25.0%†–
LMCAEpoch AI Benchmarking Hub53.9%–
DTBenchEpoch AI Benchmarking Hub96.5%–
ForecastBenchForecastBench65.5%†–
BTF-3Epoch AI Benchmarking Hub14.1%†–
编程
SciCodeSciCode58.8%†–
Arena CodingArena (LMArena)1534†–
Arena WebDevArena (LMArena)1655†1526†
LiveBench 2.0 CodingLiveBench84.4%†55.1%†
显示全部 145 项基准测试
指标发布方Muse Spark 1.3Muse Spark Open (xhigh)
编程
LiveBench 1.0 CodingLiveBench81.1%†–
SciCode (AA)Artificial Analysis58.8%†58.5%
IOIVals AI56.6%†–
Code MigrationVals AI47.4%†21.2%
Code Migration v1.1Vals AI–26.9%
ProgramBenchVals AI2.5%†–
SWE-bench MultimodalVals AI43.1%†–
Vibe Code Bench 1-100Vals AI20.5%†–
Vibe Code Bench v1.1Vals AI85.9%†76.2%
SWE Atlas v1.1Scale AI SEAL–42.3%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–50.0%†
SWE Atlas v1.1: Test WritingScale AI SEAL–41.1%†
SWE Atlas v1.1: RefactoringScale AI SEAL–35.7%†
SWE-Bench Pro V2Scale AI SEAL–95.0%
SWE-Bench Pro V2 HARDScale AI SEAL–82.3%
MirrorCodeEpoch AI Benchmarking Hub54.4%†–
CursorBenchCursor41.6%†–
ALE-BenchEpoch AI Benchmarking Hub1688.3†–
FrontierSWEEpoch AI Benchmarking Hub25.8%†–
WeirdML v3WeirdML6.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis33.3%†8.1%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%†76.4%
Startrise FrontendStartrise74.7%–
GameBench 2 OverallDuelLab GameBench 257.755.3†
GameBench 2 by reasoning settingDuelLab GameBench 268.5†59.3
Design Arena WebsiteDesign Arena1353†1305
FrontierCode 1.1 (AA)Artificial Analysis40.6%†27.6%
FrontierCode 2.0 (AA)Artificial Analysis23.1%†7.6%
智能体与工具
Terminal-BenchTerminal-Bench14.8%†–
APEX-AgentsMercor58.6%–
Arena AgentArena (LMArena)2.2†–
LiveBench Long AgenticLiveBench47.9%†12.1%†
LiveBench BrowserLiveBench30.9%†26.2%†
LiveBench Agentic CodingLiveBench64.1%†–
Terminal-Bench 2.1 (Vals)Vals AI79.0%†–
HiL-BenchScale AI SEAL66.9%59.7%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–45.1%
GDPval-AA v2.1Artificial Analysis1681†1401
τ³-Banking (AA)Artificial Analysis50.5%†–
ITBench SRE (AA)Artificial Analysis33.2%†–
Analyst Agent (AA)Artificial Analysis37.5%†–
CUA-benchVals AI5.8%†–
CyberBenchVals AI72.7%†–
Finance Agent v2Vals AI60.0%†61.3%
Finance Agent v2.1Vals AI–60.7%
Harvey's Legal Agent Benchmark v1.1Vals AI–25.0%
Harvey's Legal Agent Benchmark v1Vals AI23.8%†16.7%
Legal Research BenchVals AI55.3%†38.5%
SREBenchVals AI3.8%†–
Tax Agent BenchVals AI42.4%†26.3%
Terminal-Bench 4.0 (Vals)Vals AI24.8%†6.6%
Terminal-Bench ScienceVals AI10.0%†–
Arena Agent Task CompletionArena (LMArena)3.7†–
AutomationBenchArtificial Analysis57.9%†49.7%
GDP.pdf (AA)Artificial Analysis26.6%†18.6%
Harvey LAB-AA v1.1Harvey8.9%†–
AA-Briefcase v1.1Artificial Analysis1581†1280
GDPxGDPx by SemiAnalysis–1.7%†
Design Arena AgenticDesign Arena1283†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.9%†1.9%
CWE-Bench (AA)Artificial Analysis60.8%†–
DeepSec-Bench (AA)Artificial Analysis12.5%†–
CyberGym end-to-end (AA)Artificial Analysis59.5%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub74.0%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.2%†–
ProofBenchVals AI55.0%–
LiveBench MathematicsLiveBench96.0%†–
ArXivMathMathArena–27.0%
BrokenArXivMathArena–30.1%
Arena MathsArena (LMArena)1506†–
知识
LiveBench 2.0 Data AnalysisLiveBench79.6%†60.2%†
LiveBench ResearchLiveBench82.5%†82.7%†
LiveBench 1.0 Data AnalysisLiveBench79.6%†–
AA-Omniscience v1.1Artificial Analysis22.4†25.8
PRBench FinanceScale AI SEAL59.5%–
PRBench LegalScale AI SEAL61.6%59.8%†
Excel Modeling BenchmarkVals AI67.4%†53.7%
Excel Modeling Benchmark v1.1Vals AI–62.0%
Access to Justice BenchmarkVals AI72.2%†–
Financial Coaching BenchVals AI70.3%†–
Immigration BenchVals AI64.9%†–
DrugDiscoveryBenchScale AI SEAL62.2%†–
GDP.pdfEpoch AI Benchmarking Hub27.6%–
AA-Omniscience v1.1: accuracyArtificial Analysis38.0%†42.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.8%†72.0%
指令遵循
LiveBench LanguageLiveBench82.8%†–
LiveBench Instruction FollowingLiveBench78.0%†–
MultiChallengeScale AI SEAL–74.2%†
Arena Instruction FollowingArena (LMArena)1485†–
人类偏好
Arena TextArena (LMArena)1497†–
EQ-Bench Creative Writing v3EQ-Bench1907–
Arena Creative WritingArena (LMArena)1468†–
Arena Multi-turnArena (LMArena)1493†–
Arena Longer QueriesArena (LMArena)1498†–
多模态
Arena VisionArena (LMArena)1310†–
LiveBench DesignLiveBench74.8%†58.1%†
MMMU-ProArtificial Analysis82.0%†80.9%
SAGEVals AI–85.8%
Humanity's Sixth SenseScale AI SEAL37.4%†29.6%†
GeoBenchGeoBench86.0%–
Code2Video-AAArtificial Analysis1019†–
AA-3DArtificial Analysis1032†–
长上下文
AA-LCR v1.1Artificial Analysis83.0%†78.3%
Arena DocumentArena (LMArena)1474†–
MLCRArtificial Analysis13.9%†7.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.2155.4†
LiveBench 2.0LiveBench68.6%†48.5%†
LiveBench 1.0LiveBench81.6%†–
AA Intelligence Index v5.0.1Artificial Analysis36.6†24.9
AA Intelligence Index v4.3.2Artificial Analysis48.1†38.9
AA Progress Index v1Artificial Analysis324.5†306.7
Vals IndexVals AI–48.6
Vals Finance IndexVals AI–53.0%
Vals RSI IndexVals AI19.6%†–
Vals Legal IndexVals AI–68.5%
AA Cyber IndexArtificial Analysis44.3†–
安全与诚实
FORTRESSScale AI SEAL–7.6%†
DistressBenchScale AI SEAL84.9%87.7%†
元数据
AA Openness IndexArtificial Analysis–27.8

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 Open (xhigh):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 1.3:1 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 1.3 vs Muse Spark Open:常见问题

Muse Spark 1.3 比 Muse Spark Open 更好吗?
质量上 Muse Spark 1.3 领先:61.6 比 53.5。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 1.3 总体领先,但请结合你的用途查看各类别得分。
Muse Spark 1.3 和 Muse Spark Open 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 1.3 和 Muse Spark Open 哪个更快?
Muse Spark Open 输出更快(约 1.5 倍;输出 180 比 163 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都支持 1,048,576 token 的上下文。
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 9.9 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(1)
Muse Spark Open 是什么时候发布的?
Muse Spark Open 于 2026年10月15日 发布。