BenchLeader

Muse Spark 1.3 vs Muse Wonder

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

更新于 · 数据来自 8 个来源

截至 2026年11月16日,Muse Spark 1.3 与 Muse Wonder 的质量不相上下(BenchLeader Index 61.6 比 64.4,在 ±8.7 的误差范围内)。Muse Spark 1.3 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $2.00 比 $8.00)。看重知识(81 比 77)选 Spark 1.3;看重智能体与工具(76 比 61)和数学(70 比 56)选 Wonder。Spark 1.3 的输出更快。

要点(截至 2026年11月16日)

  • Muse Spark 1.3 的 BenchLeader Index 为 61.6,Muse Wonder 为 64.4(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 Wonder 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Muse Spark 1.3 比 Muse Wonder 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 11 项基准测试中,Muse Wonder 领先 8 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 Wonder类别得分 76 比 61;HiL-Bench 79.7% 比 66.9%高
数学Muse Wonder类别得分 70 比 56;ProofBench 84.0% 比 55.0%高
知识Muse Spark 1.3类别得分 81 比 77;PRBench Finance 59.5% 比 58.7%中
对话质量(人类偏好)–只有 Muse Wonder 有 Arena 评分(类别得分 70)无法比较
成本最低Muse Spark 1.3每百万 token 混合价格 $2.00 比 $8.00;智能体编程会话 $0.092 比 $0.320–
首次回答最快均可首个回答 token 2.6 秒(Muse Spark 1.3)比 3.3 秒(Muse Wonder)–
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 1.3 与 Muse Wonder 的质量不相上下(61.6 比 64.4,在 ±8.7 的误差范围内)。
  • Muse Spark 1.3 在知识方面更强。
  • Muse Wonder 在智能体与工具、数学方面更强。
  • Muse Spark 1.3 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $2.00 比 $8.00)。
  • Muse Spark 1.3 的输出速度是对方的 2.3 倍(163 比 70 token/秒)。

概览

规格Muse Spark 1.3Muse Wonder
提供商MetaMeta
发布日期2026年9月2日2026年10月12日
上下文窗口(token)1,048,5761,048,576
对比时的配置Muse Spark 1.3Muse Wonder
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$4.00 / $20.00 / $0.200

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 Wonder领先者
推理71.0–无法比较
智能体与工具61.375.6Muse Wonder
数学56.370.1Muse Wonder
知识81.277.1Muse Spark 1.3
人类偏好–69.6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智能体与工具数学知识Muse 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 Wonder, 智能体与工具: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知识: 77.1

未绘制(测得的模型少于两个):推理, 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 11 项基准测试中,Muse Spark 1.3 领先 3 项,Muse Wonder 领先 8 项。所有同时评测两者的综合评分都认为 Muse Wonder 更强。

综合 IndexMuse Spark 1.3Muse Wonder领先者
BenchLeader Index61.664.4不相上下
AA Intelligence Index v5.0.136.6†40.5Muse Wonder
Arena Text1497†1511Muse Wonder

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 Wonder
每百万 token 混合价格$2.00$8.00
每百万 token 输入 / 输出$1.25 / $4.25$4.00 / $20.00
每百万 token 缓存输入$0.150$0.200
每项任务价格:聊天回复$0.0018$0.0076
每项任务价格:总结一份 30 页的报告$0.018$0.060
每项任务价格:代码编辑$0.014$0.054
每项任务价格:智能体编程会话$0.092$0.320
每项任务价格:结构化信息提取$0.0034$0.012
智能体编程会话(输入大多命中缓存)$0.043$0.149
输出速度163 tok/s70 tok/s
首次回答时间2.6 秒3.3 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 Wonder 得分 64.4,首个回答 token 需 3 秒;Muse Wonder (max) 为 60.8(20 秒),Muse Wonder (high) 为 56.2(13 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 147 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 Wonder
BenchLeader IndexBenchLeader61.664.4
智能体与工具得分BenchLeader61.375.6
知识得分BenchLeader81.277.1
数学得分BenchLeader56.370.1
推理得分BenchLeader71.0–
人类偏好得分BenchLeader–69.6
混合价格(美元/百万 token)BenchLeader$2.00$8.00
输出速度BenchLeader163 tok/s70 tok/s
首次回答时间BenchLeader2.6 秒3.3 秒
上下文窗口BenchLeader1,048,576 token1,048,576 token
推理
SimpleBenchSimpleBench81.8%–
Arena Hard PromptsArena (LMArena)1517†1531†
LiveBench 2.0 ReasoningLiveBench89.7%†90.6%†
LiveBench 1.0 ReasoningLiveBench89.7%†90.6%†
GPQA Diamond (AA)Artificial Analysis93.5%†–
Humanity's Last Exam (AA)Artificial Analysis48.7%†50.1%†
HLE-Diamond (AA)Artificial Analysis33.7%†39.0%†
CritPtArtificial Analysis24.9%†28.3%†
CritPt v2 hard subset (AA)Artificial Analysis48.0%†50.5%†
MysteryMechanismVals AI36.0%†27.5%†
HLE-Diamond (Scale)Scale AI SEAL25.4%37.3%
Arena ExpertArena (LMArena)1521†1525†
Chess PuzzlesEpoch AI Benchmarking Hub37.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub25.0%†51.0%†
LMCAEpoch AI Benchmarking Hub53.9%56.8%
DTBenchEpoch AI Benchmarking Hub96.5%95.2%
ForecastBenchForecastBench65.5%†–
BTF-3Epoch AI Benchmarking Hub14.1%†–
编程
SciCodeSciCode58.8%†60.3%†
Arena CodingArena (LMArena)1534†1542†
Arena WebDevArena (LMArena)1655†1647†
LiveBench 2.0 CodingLiveBench84.4%†74.9%†
LiveBench 1.0 CodingLiveBench81.1%†80.7%†
IOIVals AI56.6%†66.9%†
Code MigrationVals AI47.4%†62.5%†
显示全部 147 项基准测试
指标发布方Muse Spark 1.3Muse Wonder
编程
Code Migration v1.1Vals AI–72.4%†
ProgramBenchVals AI2.5%†–
SWE-bench MultimodalVals AI43.1%†45.6%†
Vibe Code Bench 1-100Vals AI20.5%†26.6%†
Vibe Code Bench v1.1Vals AI85.9%†83.1%†
SWE Atlas v1.1Scale AI SEAL–64.8%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%
SWE Atlas v1.1: Test WritingScale AI SEAL–61.1%
SWE Atlas v1.1: RefactoringScale AI SEAL–60.0%
SWE-Bench Pro V2Scale AI SEAL–96.7%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub54.4%†45.6%†
CursorBenchCursor41.6%†50.4%†
ALE-BenchEpoch AI Benchmarking Hub1688.3†–
FrontierSWEEpoch AI Benchmarking Hub25.8%†–
WeirdML v3WeirdML6.7%†15.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis33.3%†52.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%†–
Startrise FrontendStartrise74.7%–
GameBench 2 OverallDuelLab GameBench 257.764.8
GameBench 2 by reasoning settingDuelLab GameBench 268.5†54.9†
Design Arena WebsiteDesign Arena1353†1378†
FrontierCode 1.1 (AA)Artificial Analysis40.6%†46.5%†
FrontierCode 2.0 (AA)Artificial Analysis23.1%†27.9%†
智能体与工具
Terminal-BenchTerminal-Bench14.8%†47.0%†
APEX-AgentsMercor58.6%66.1%†
Arena AgentArena (LMArena)2.2†1.8†
LiveBench Long AgenticLiveBench47.9%†46.2%†
LiveBench BrowserLiveBench30.9%†60.0%†
LiveBench Agentic CodingLiveBench64.1%†62.7%†
Terminal-Bench 2.1 (Vals)Vals AI79.0%†–
HiL-BenchScale AI SEAL66.9%79.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–63.5%†
GDPval-AA v2.1Artificial Analysis1681†1770†
τ³-Banking (AA)Artificial Analysis50.5%†–
ITBench SRE (AA)Artificial Analysis33.2%†–
Analyst Agent (AA)Artificial Analysis37.5%†–
CUA-benchVals AI5.8%†7.2%†
CyberBenchVals AI72.7%†80.4%†
Finance Agent v2Vals AI60.0%†56.6%†
Finance Agent v2.1Vals AI–65.5%†
Harvey's Legal Agent Benchmark v1.1Vals AI–23.8%†
Harvey's Legal Agent Benchmark v1Vals AI23.8%†17.1%†
Legal Research BenchVals AI55.3%†50.5%†
SREBenchVals AI3.8%†–
Tax Agent BenchVals AI42.4%†36.3%†
Terminal-Bench 4.0 (Vals)Vals AI24.8%†49.5%†
Terminal-Bench ScienceVals AI10.0%†22.9%†
Arena Agent Task CompletionArena (LMArena)3.7†5.4†
PostTrainBenchEpoch AI Benchmarking Hub–24.2%†
Vending-Bench 2Andon Labs–9432.2
AutomationBenchArtificial Analysis57.9%†68.1%†
GDP.pdf (AA)Artificial Analysis26.6%†30.6%†
Harvey LAB-AA v1.1Harvey8.9%†10.0%†
AA-Briefcase v1.1Artificial Analysis1581†1659†
GDPxGDPx by SemiAnalysis–6.8%†
Design Arena AgenticDesign Arena1283†1177†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.9%†25.7%†
CWE-Bench (AA)Artificial Analysis60.8%†–
DeepSec-Bench (AA)Artificial Analysis12.5%†–
CyberGym end-to-end (AA)Artificial Analysis59.5%†–
MKA (AA)Artificial Analysis–47.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub74.0%†82.1%†
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†70.7%†
OTIS Mock AIMEEpoch AI Benchmarking Hub99.2%†99.4%†
ProofBenchVals AI55.0%84.0%
LiveBench MathematicsLiveBench96.0%†96.5%†
Arena MathsArena (LMArena)1506†1490†
知识
LiveBench 2.0 Data AnalysisLiveBench79.6%†81.6%†
LiveBench ResearchLiveBench82.5%†93.0%†
LiveBench 1.0 Data AnalysisLiveBench79.6%†81.6%†
AA-Omniscience v1.1Artificial Analysis22.4†25.1†
PRBench FinanceScale AI SEAL59.5%58.7%
PRBench LegalScale AI SEAL61.6%58.4%
BioMysteryBenchVals AI–67.0%†
Excel Modeling BenchmarkVals AI67.4%†67.1%†
Excel Modeling Benchmark v1.1Vals AI–72.5%†
Public Benefits Bench v1.1Vals AI–70.2%†
Access to Justice BenchmarkVals AI72.2%†73.0%†
Financial Coaching BenchVals AI70.3%†73.8%†
Immigration BenchVals AI64.9%†69.6%†
DrugDiscoveryBenchScale AI SEAL62.2%†–
EBR-benchEpoch AI Benchmarking Hub–31.4%†
GDP.pdfEpoch AI Benchmarking Hub27.6%30.8%†
AA-Omniscience v1.1: accuracyArtificial Analysis38.0%†38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.8%†79.1%†
指令遵循
LiveBench LanguageLiveBench82.8%†82.9%†
LiveBench Instruction FollowingLiveBench78.0%†73.0%†
Arena Instruction FollowingArena (LMArena)1485†1498†
人类偏好
Arena TextArena (LMArena)1497†1511†
EQ-Bench 4EQ-Bench–1325
EQ-Bench Creative Writing v3EQ-Bench19072007
Arena Creative WritingArena (LMArena)1468†1491†
Arena Multi-turnArena (LMArena)1493†1525†
Arena Longer QueriesArena (LMArena)1498†1507†
多模态
Arena VisionArena (LMArena)1310†–
LiveBench DesignLiveBench74.8%†70.9%†
MMMU-ProArtificial Analysis82.0%†83.8%†
Humanity's Sixth SenseScale AI SEAL37.4%†43.7%†
GeoBenchGeoBench86.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub–31.7%
Furniture AssemblyEpoch AI Benchmarking Hub–54.2%†
VIALS-AAHandshake AI–55.3%†
Code2Video-AAArtificial Analysis1019†997†
AA-3DArtificial Analysis1032†–
长上下文
AA-LCR v1.1Artificial Analysis83.0%†80.7%†
Arena DocumentArena (LMArena)1474†–
MLCRArtificial Analysis13.9%†22.2%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.2161.7
LiveBench 2.0LiveBench68.6%†70.7%†
LiveBench 1.0LiveBench81.6%†81.2%†
AA Intelligence Index v5.0.1Artificial Analysis36.6†43.6†
AA Intelligence Index v4.3.2Artificial Analysis48.1†52.4†
AA Progress Index v1Artificial Analysis324.5†335.8†
Vals IndexVals AI–64.9†
Vals Finance IndexVals AI–61.2%†
Vals RSI IndexVals AI19.6%†–
Vals Science IndexVals AI–39.1%†
Vals Router IndexVals AI–64.9%
Vals Legal IndexVals AI–75.3%†
AA Cyber IndexArtificial Analysis44.3†–
安全与诚实
DistressBenchScale AI SEAL84.9%85.9%

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 Wonder:BenchLeader Index 63.0 → 64.4。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • 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 Wonder:1 项新结果(Blueprint-Bench 2)。
  • Muse Spark 1.3:BenchLeader Index 57.7 → 59.2。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Muse Spark 1.3:4 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 Wonder:常见问题

Muse Spark 1.3 比 Muse Wonder 更好吗?
Muse Spark 1.3 与 Muse Wonder 的质量不相上下(61.6 比 64.4,在 ±8.7 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 1.3 和 Muse Wonder 哪个更便宜?价格会变吗?
目前 Muse Spark 1.3 更便宜:每百万 token $2.00 比 $8.00(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。
Muse Spark 1.3 和 Muse Wonder 哪个更快?
Muse Spark 1.3 输出更快(输出 163 比 70 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Muse Spark 1.3 还是 Muse Wonder 更好?
Muse Wonder 在智能体任务方面得分更高(类别得分 76 比 61,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 HiL-Bench 上,Muse Spark 1.3 为 66.9%,Muse Wonder 为 79.7%。
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 3.3 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 1.3 和 Muse Wonder 的看法一致吗?
在两者都有结果的 11 项基准测试中,Muse Spark 1.3 领先 3 项,Muse Wonder 领先 8 项。所有同时评测两者的综合评分都认为 Muse Wonder 更强。
Muse Wonder 是什么时候发布的?
Muse Wonder 于 2026年10月12日 发布。