BenchLeader

Muse Spark 1.3 vs Qwen3.6 Plus

完整资料:Muse Spark 1.3(Meta)和 Qwen3.6 Plus(Alibaba),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,Muse Spark 1.3 与 Qwen3.6 Plus 的质量不相上下(BenchLeader Index 61.6 比 59.0,在 ±9.2 的误差范围内)。Qwen3.6 Plus 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $1.13 比 $2.00)。看重知识(81 比 57)、智能体与工具(61 比 53)和推理(71 比 63)选 Muse Spark 1.3;看重数学(58 比 56)选 Qwen3.6 Plus。Muse Spark 1.3 的首次回答更快(2.6 秒 比 44.4 秒)。Muse Spark 1.3 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Muse Spark 1.3 的 BenchLeader Index 为 61.6,Qwen3.6 Plus 为 59.0(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)。
  • Qwen3.6 Plus 每百万 token 混合价格为 $1.13(标价,2026年11月16日)。
  • Muse Spark 1.3 比 Qwen3.6 Plus 输出更快(约 1.5 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 53高
数学Qwen3.6 Plus类别得分 58 比 56中
推理Muse Spark 1.3类别得分 71 比 63;LMCA 53.9% 比 33.1%高
知识Muse Spark 1.3类别得分 81 比 57高
对话质量(人类偏好)–只有 Qwen3.6 Plus 有 Arena 评分(类别得分 62)无法比较
成本最低Qwen3.6 Plus每百万 token 混合价格 $1.13 比 $2.00;智能体编程会话 $0.042 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 44.4 秒(Qwen3.6 Plus)–
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 Qwen3.6 Plus 的质量不相上下(61.6 比 59.0,在 ±9.2 的误差范围内)。
  • Muse Spark 1.3 在智能体与工具、知识、推理方面更强。
  • Qwen3.6 Plus 在数学方面更强。
  • Qwen3.6 Plus 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $1.13 比 $2.00)。
  • Muse Spark 1.3 的输出速度是对方的 3.1 倍(163 比 52 token/秒)。

概览

规格Muse Spark 1.3Qwen3.6 Plus
提供商MetaAlibaba
发布日期2026年9月2日2026年3月31日
上下文窗口(token)1,048,5761,000,000
对比时的配置Muse Spark 1.3Qwen3.6 Plus
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$0.500 / $3.00 / $0.050

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 1.3Qwen3.6 Plus领先者
推理71.062.9Muse Spark 1.3
编程–50.8无法比较
智能体与工具61.353.1Muse Spark 1.3
数学56.357.6Qwen3.6 Plus
知识81.256.9Muse Spark 1.3
指令遵循–73.4无法比较
人类偏好–62.4无法比较
多模态–60.3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推理智能体与工具数学知识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: 81.2Qwen3.6 Plus, 推理: 62.9Qwen3.6 Plus, 智能体与工具: 53.1Qwen3.6 Plus, 数学: 57.6Qwen3.6 Plus, 知识: 56.9

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 1.3 领先 3 项,Qwen3.6 Plus 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 1.3Qwen3.6 Plus领先者
BenchLeader Index61.659.0不相上下
Arena Text1497†1443Muse 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 1.3Qwen3.6 Plus
每百万 token 混合价格$2.00$1.13
每百万 token 输入 / 输出$1.25 / $4.25$0.500 / $3.00
每百万 token 缓存输入$0.150$0.050
每项任务价格:聊天回复$0.0018$0.0011
每项任务价格:总结一份 30 页的报告$0.018$0.0078
每项任务价格:代码编辑$0.014$0.0075
每项任务价格:智能体编程会话$0.092$0.042
每项任务价格:结构化信息提取$0.0034$0.0016
智能体编程会话(输入大多命中缓存)$0.043$0.022
输出速度163 tok/s52 tok/s
首次回答时间2.6 秒44.4 秒
完整回答耗时(最近一次测量 2026年11月13日)–113.4 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 1.3 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)。Qwen3.6 Plus 得分 59.0,首个回答 token 需 44 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 144 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 1.3Qwen3.6 Plus
BenchLeader IndexBenchLeader61.659.0
智能体与工具得分BenchLeader61.353.1
知识得分BenchLeader81.256.9
数学得分BenchLeader56.357.6
推理得分BenchLeader71.062.9
编程得分BenchLeader–50.8
人类偏好得分BenchLeader–62.4
指令遵循得分BenchLeader–73.4
长上下文得分BenchLeader–63.8
多模态得分BenchLeader–60.3
混合价格(美元/百万 token)BenchLeader$2.00$1.13
输出速度BenchLeader163 tok/s52 tok/s
首次回答时间BenchLeader2.6 秒44.4 秒
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–88.4%
SimpleBenchSimpleBench81.8%–
Arena Hard PromptsArena (LMArena)1517†1467
LiveBench 2.0 ReasoningLiveBench89.7%†–
LiveBench 1.0 ReasoningLiveBench89.7%†75.8%
GPQA Diamond (AA)Artificial Analysis93.5%†88.2%
Humanity's Last Exam (AA)Artificial Analysis48.7%†27.9%
HLE-Diamond (AA)Artificial Analysis33.7%†–
GPQA Diamond (Vals)Vals AI–87.4%
CritPtArtificial Analysis24.9%†2.9%
CritPt v2 hard subset (AA)Artificial Analysis48.0%†–
MysteryMechanismVals AI36.0%†–
HLE-Diamond (Scale)Scale AI SEAL25.4%–
Arena ExpertArena (LMArena)1521†1475
Chess PuzzlesEpoch AI Benchmarking Hub37.0%†16.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub25.0%†12.0%†
CL-benchEpoch AI Benchmarking Hub–20.3%
LMCAEpoch AI Benchmarking Hub53.9%33.1%
DTBenchEpoch AI Benchmarking Hub96.5%81.9%
ForecastBenchForecastBench65.5%†–
BTF-3Epoch AI Benchmarking Hub14.1%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–57.9%
SciCodeSciCode58.8%†40.7%
Arena CodingArena (LMArena)1534†1496
Arena WebDevArena (LMArena)1655†1461
显示全部 144 项基准测试
指标发布方Muse Spark 1.3Qwen3.6 Plus
编程
LiveBench 2.0 CodingLiveBench84.4%†–
LiveBench 1.0 CodingLiveBench81.1%†78.2%
SciCode (AA)Artificial Analysis58.8%†–
LiveCodeBenchVals AI–86.0%
IOIVals AI56.6%†–
SWE-bench (Vals)Vals AI–73.4%
Code MigrationVals AI47.4%†11.1%
ProgramBenchVals AI2.5%†0.0%
SWE-bench MultimodalVals AI43.1%†–
Vibe Code Bench 1-100Vals AI20.5%†–
Vibe Code Bench v1.1Vals AI85.9%†25.6%
MirrorCodeEpoch AI Benchmarking Hub54.4%†–
CursorBenchCursor41.6%†–
ALE-BenchEpoch AI Benchmarking Hub1688.3†670.1
FrontierSWEEpoch AI Benchmarking Hub25.8%†–
WeirdML v3WeirdML6.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis33.3%†–
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%†61.4%
Startrise FrontendStartrise74.7%–
GameBench 2 OverallDuelLab GameBench 257.7–
GameBench 2 by reasoning settingDuelLab GameBench 268.5†–
Design Arena WebsiteDesign Arena1353†1234
FrontierCode 1.1 (AA)Artificial Analysis40.6%†–
FrontierCode 2.0 (AA)Artificial Analysis23.1%†–
智能体与工具
Terminal-BenchTerminal-Bench14.8%†–
APEX-AgentsMercor58.6%–
Arena AgentArena (LMArena)2.2†–
LiveBench Long AgenticLiveBench47.9%†–
LiveBench BrowserLiveBench30.9%†–
LiveBench Agentic CodingLiveBench64.1%†41.4%
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–97.7%
Terminal-Bench 2.1 (Vals)Vals AI79.0%†53.2%
HiL-BenchScale AI SEAL66.9%–
GDPval-AA v2.1Artificial Analysis1681†997
τ³-Banking (AA)Artificial Analysis50.5%†20.8%
ITBench SRE (AA)Artificial Analysis33.2%†–
Analyst Agent (AA)Artificial Analysis37.5%†–
CUA-benchVals AI5.8%†–
CyberBenchVals AI72.7%†–
Finance Agent v2Vals AI60.0%†40.9%
Harvey's Legal Agent Benchmark v1Vals AI23.8%†1.3%
Legal Research BenchVals AI55.3%†14.9%
SREBenchVals AI3.8%†–
Tax Agent BenchVals AI42.4%†7.7%
Terminal-Bench 2.0 (Vals)Vals AI–44.9%
Terminal-Bench 4.0 (Vals)Vals AI24.8%†–
Terminal-Bench ScienceVals AI10.0%†–
Arena Agent Task CompletionArena (LMArena)3.7†–
Vending-Bench 2Andon Labs–5114.9
AutomationBenchArtificial Analysis57.9%†–
GDP.pdf (AA)Artificial Analysis26.6%†–
Harvey LAB-AA v1.1Harvey8.9%†–
AA-Briefcase v1.1Artificial Analysis1581†–
Design Arena AgenticDesign Arena1283†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis10.9%†–
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%†38.3%
FrontierMath Tier 4Epoch AI Benchmarking Hub46.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.2%†93.3%
ProofBenchVals AI55.0%–
LiveBench MathematicsLiveBench96.0%†83.7%
AIME (Vals)Vals AI–94.6%
Arena MathsArena (LMArena)1506†1451
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–44.1%
LiveBench 2.0 Data AnalysisLiveBench79.6%†–
LiveBench ResearchLiveBench82.5%†–
LiveBench 1.0 Data AnalysisLiveBench79.6%†69.9%
AA-Omniscience v1.1Artificial Analysis22.4†–
MMLU-ProVals AI–87.7%
LegalBenchVals AI–84.2%
CorpFinVals AI–61.9%
TaxEvalVals AI–74.7%
PRBench FinanceScale AI SEAL59.5%–
PRBench LegalScale AI SEAL61.6%–
CaseLaw v2Vals AI–51.5%
Excel Modeling BenchmarkVals AI67.4%†32.9%
MedCodeVals AI–36.9%
MedScribeVals AI–77.0%
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%†–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis74.8%†–
指令遵循
LiveBench LanguageLiveBench82.8%†75.0%
LiveBench Instruction FollowingLiveBench78.0%†58.3%
IFBenchArtificial Analysis–75.2%
Arena Instruction FollowingArena (LMArena)1485†1435
人类偏好
Arena TextArena (LMArena)1497†1443
EQ-Bench Creative Writing v3EQ-Bench1907–
Arena Creative WritingArena (LMArena)1468†1407
Arena Multi-turnArena (LMArena)1493†1445
Arena Longer QueriesArena (LMArena)1498†1455
多模态
Arena VisionArena (LMArena)1310†–
LiveBench DesignLiveBench74.8%†–
MMMU-ProArtificial Analysis82.0%†78.0%
MMMU-Pro (Vals)Vals AI–84.2%
MortgageTaxVals AI–68.0%
Humanity's Sixth SenseScale AI SEAL37.4%†–
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%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.2148.9
LiveBench 2.0LiveBench68.6%†–
LiveBench 1.0LiveBench81.6%†68.9%
AA Intelligence Index v5.0.1Artificial Analysis36.6†–
AA Intelligence Index v4.3.2Artificial Analysis48.1†27.0
AA Progress Index v1Artificial Analysis324.5†283.4
Vals RSI IndexVals AI19.6%†–
Vals Multimodal IndexVals AI–51.5%
AA Cyber IndexArtificial Analysis44.3†–
安全与诚实
DistressBenchScale AI SEAL84.9%–

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。
  • Qwen3.6 Plus: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。
  • Qwen3.6 Plus:2 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 Qwen3.6 Plus:常见问题

Muse Spark 1.3 比 Qwen3.6 Plus 更好吗?
Muse Spark 1.3 与 Qwen3.6 Plus 的质量不相上下(61.6 比 59.0,在 ±9.2 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 Qwen3.6 Plus 哪个更便宜?价格会变吗?
目前 Qwen3.6 Plus 更便宜:每百万 token $1.13 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。
Muse Spark 1.3 和 Qwen3.6 Plus 哪个更快?
Muse Spark 1.3 输出更快(约 1.5 倍;输出 163 比 52 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Muse Spark 1.3 还是 Qwen3.6 Plus 更好?
Muse Spark 1.3 在智能体任务方面得分更高(类别得分 61 比 53,50 为平均水平)。
处理长文档哪个更好?
两者都约为 1M token(Muse Spark 1.3 为 1,048,576,Qwen3.6 Plus 为 1,000,000)。
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 44.4 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 1.3 和 Qwen3.6 Plus 的看法一致吗?
在两者都有结果的 3 项基准测试中,Muse Spark 1.3 领先 3 项,Qwen3.6 Plus 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。
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。