BenchLeader

Muse Spark Open vs Qwen3.5-122B-A10B

完整资料:Muse Spark Open(Meta)和 Qwen3.5-122B-A10B(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,Muse Spark Open 与 Qwen3.5-122B-A10B 的质量不相上下(BenchLeader Index 53.5 比 54.1,在 ±8.9 的误差范围内)。Qwen3.5-122B-A10B 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $1.10 比 $2.00)。看重多模态(63 比 57)选 Muse Spark Open;看重编程(45 比 36)和推理(59 比 51)选 Qwen3.5-122B-A10B。Qwen3.5-122B-A10B 的首次回答更快(1.1 秒 比 9.9 秒)。Muse Spark Open 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Muse Spark Open 的 BenchLeader Index 为 53.5,Qwen3.5-122B-A10B 为 54.1(BenchLeader,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)。
  • Qwen3.5-122B-A10B 每百万 token 混合价格为 $1.10(标价,2026年11月16日)。
  • Muse Spark Open 比 Qwen3.5-122B-A10B 输出更快(约 2 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
编程Qwen3.5-122B-A10B类别得分 45 比 36高
推理Qwen3.5-122B-A10B类别得分 59 比 51高
图像及其他媒体Muse Spark Open类别得分 63 比 57中
对话质量(人类偏好)–只有 Qwen3.5-122B-A10B 有 Arena 评分(类别得分 59)无法比较
成本最低Qwen3.5-122B-A10B每百万 token 混合价格 $1.10 比 $2.00;智能体编程会话 $0.037 比 $0.092–
首次回答最快Qwen3.5-122B-A10B首个回答 token 1.1 秒(Qwen3.5-122B-A10B)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

  • Muse Spark Open (xhigh) 与 Qwen3.5-122B-A10B 的质量不相上下(53.5 比 54.1,在 ±8.9 的误差范围内)。
  • Muse Spark Open (xhigh) 在多模态方面更强。
  • Qwen3.5-122B-A10B 在编程、推理方面更强。
  • Qwen3.5-122B-A10B 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $1.10 比 $2.00)。
  • Muse Spark Open (xhigh) 的输出速度是对方的 2.0 倍(180 比 92 token/秒)。

概览

规格Muse Spark OpenQwen3.5-122B-A10B
提供商MetaAlibaba
发布日期2026年10月15日2026年2月24日
上下文窗口(token)1,048,576262,144
对比时的配置Muse Spark Open (xhigh)Qwen3.5-122B-A10B
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$1.25 / $4.25 / $0.150$0.400 / $3.20 / –

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 Open (xhigh)Qwen3.5-122B-A10B领先者
推理51.358.9Qwen3.5-122B-A10B
编程36.045.2Qwen3.5-122B-A10B
数学–60.1无法比较
知识58.8–无法比较
人类偏好–59.2无法比较
多模态63.357.4Muse Spark Open
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推理编程多模态Muse Spark Open, 推理: 51.3Muse Spark Open, 编程: 36.0Muse Spark Open, 多模态: 63.3Qwen3.5-122B-A10B, 推理: 58.9Qwen3.5-122B-A10B, 编程: 45.2Qwen3.5-122B-A10B, 多模态: 57.4

未绘制(测得的模型少于两个):智能体与工具, 数学, 知识, 指令遵循, 长上下文, 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 Open 领先 0 项,Qwen3.5-122B-A10B 领先 0 项。

综合 IndexMuse Spark Open (xhigh)Qwen3.5-122B-A10B领先者
BenchLeader Index53.554.1不相上下

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 Open (xhigh)Qwen3.5-122B-A10B
每百万 token 混合价格$2.00$1.10
每百万 token 输入 / 输出$1.25 / $4.25$0.400 / $3.20
每百万 token 缓存输入$0.150–
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$0.0067
每项任务价格:代码编辑$0.014$0.0072
每项任务价格:智能体编程会话$0.092$0.037
每项任务价格:结构化信息提取$0.0034$0.0014
智能体编程会话(输入大多命中缓存)$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180 tok/s92 tok/s
首次回答时间9.9 秒1.1 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 Open (xhigh) 得分 53.5,首个回答 token 需 10 秒。Qwen3.5-122B-A10B 得分 54.1,首个回答 token 需 1 秒;Qwen3.5-122B-A10B (thinking) 为 53.9(18 秒),Qwen3.5-122B-A10B (无推理) 为 48.4(4 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 93 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 Open (xhigh)Qwen3.5-122B-A10B
BenchLeader IndexBenchLeader53.554.1
编程得分BenchLeader36.045.2
知识得分BenchLeader58.8–
长上下文得分BenchLeader63.8–
多模态得分BenchLeader63.357.4
推理得分BenchLeader51.358.9
人类偏好得分BenchLeader–59.2
数学得分BenchLeader–60.1
混合价格(美元/百万 token)BenchLeader$2.00$1.10
输出速度BenchLeader180 tok/s92 tok/s
首次回答时间BenchLeader9.9 秒1.1 秒
上下文窗口BenchLeader1,048,576 token262,144 token
推理
Arena Hard PromptsArena (LMArena)–1433
LiveBench 2.0 ReasoningLiveBench73.7%†–
GPQA Diamond (AA)Artificial Analysis89.0%85.7%†
Humanity's Last Exam (AA)Artificial Analysis43.9%25.2%†
HLE-Diamond (AA)Artificial Analysis26.3%7.3%†
ARC-AGI-1ARC Prize89.0%–
ARC-AGI-2ARC Prize57.5%–
ARC-AGI-3ARC Prize0.4%–
CritPtArtificial Analysis14.9%0.6%†
CritPt v2 hard subset (AA)Artificial Analysis29.5%–
HLE-Diamond (Scale)Scale AI SEAL28.0%†–
Arena ExpertArena (LMArena)–1441
Mystery Game PuzzlesEpoch AI Benchmarking Hub–17.0%†
LMCAEpoch AI Benchmarking Hub–32.2%†
DTBenchEpoch AI Benchmarking Hub–84.3%†
编程
SciCodeSciCode–35.6%†
Arena CodingArena (LMArena)–1458
Arena WebDevArena (LMArena)1526†1360
LiveBench 2.0 CodingLiveBench55.1%†–
SciCode (AA)Artificial Analysis58.5%39.7%†
Code MigrationVals AI21.2%–
Code Migration v1.1Vals AI26.9%–
Vibe Code Bench v1.1Vals AI76.2%–
SWE Atlas v1.1Scale AI SEAL42.3%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL50.0%†–
显示全部 93 项基准测试
指标发布方Muse Spark Open (xhigh)Qwen3.5-122B-A10B
编程
SWE Atlas v1.1: Test WritingScale AI SEAL41.1%†–
SWE Atlas v1.1: RefactoringScale AI SEAL35.7%†–
SWE-Bench Pro V2Scale AI SEAL95.0%–
SWE-Bench Pro V2 HARDScale AI SEAL82.3%–
Terminal-Bench 4.0 (AA)Artificial Analysis8.1%0.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis76.4%47.6%†
GameBench 2 OverallDuelLab GameBench 255.3†–
GameBench 2 by reasoning settingDuelLab GameBench 259.3–
Design Arena WebsiteDesign Arena1305–
FrontierCode 1.1 (AA)Artificial Analysis27.6%–
FrontierCode 2.0 (AA)Artificial Analysis7.6%–
智能体与工具
LiveBench Long AgenticLiveBench12.1%†–
LiveBench BrowserLiveBench26.2%†–
Terminal-Bench HardArtificial Analysis–31.1%†
τ²-Bench Telecom (AA)Artificial Analysis–93.6%†
HiL-BenchScale AI SEAL59.7%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis45.1%15.7%†
GDPval-AA v2.1Artificial Analysis1401821†
τ³-Banking (AA)Artificial Analysis–15.3%†
Finance Agent v2Vals AI61.3%–
Finance Agent v2.1Vals AI60.7%–
Harvey's Legal Agent Benchmark v1.1Vals AI25.0%–
Harvey's Legal Agent Benchmark v1Vals AI16.7%–
Legal Research BenchVals AI38.5%–
Tax Agent BenchVals AI26.3%–
Terminal-Bench 4.0 (Vals)Vals AI6.6%–
AutomationBenchArtificial Analysis49.7%5.5%†
GDP.pdf (AA)Artificial Analysis18.6%3.4%†
AA-Briefcase v1.1Artificial Analysis1280499†
GDPxGDPx by SemiAnalysis1.7%†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis1.9%–
数学
ArXivMathMathArena27.0%–
BrokenArXivMathArena30.1%–
Arena MathsArena (LMArena)–1425
知识
LiveBench 2.0 Data AnalysisLiveBench60.2%†–
LiveBench ResearchLiveBench82.7%†–
AA-Omniscience v1.1Artificial Analysis25.8–
PRBench LegalScale AI SEAL59.8%†–
Excel Modeling BenchmarkVals AI53.7%–
Excel Modeling Benchmark v1.1Vals AI62.0%–
AA-Omniscience v1.1: accuracyArtificial Analysis42.0%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis72.0%–
Global-MMLU-Lite (AA)Artificial Analysis–89.1%†
指令遵循
IFBenchArtificial Analysis–75.7%†
MultiChallengeScale AI SEAL74.2%†–
Arena Instruction FollowingArena (LMArena)–1406
人类偏好
Arena TextArena (LMArena)–1416
Arena Creative WritingArena (LMArena)–1365
Arena Multi-turnArena (LMArena)–1419
Arena Longer QueriesArena (LMArena)–1418
多模态
Arena VisionArena (LMArena)–1244
LiveBench DesignLiveBench58.1%†–
MMMU-ProArtificial Analysis80.9%75.0%†
SAGEVals AI85.8%–
Humanity's Sixth SenseScale AI SEAL29.6%†–
长上下文
AA-LCR v1.1Artificial Analysis78.3%76.3%†
MLCRArtificial Analysis7.8%7.8%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub155.4†–
LiveBench 2.0LiveBench48.5%†–
AA Intelligence Index v5.0.1Artificial Analysis24.9–
AA Intelligence Index v4.3.2Artificial Analysis38.915.6†
AA Progress Index v1Artificial Analysis306.7261.5†
Vals IndexVals AI48.6–
Vals Finance IndexVals AI53.0%–
Vals Legal IndexVals AI68.5%–
安全与诚实
FORTRESSScale AI SEAL7.6%†–
DistressBenchScale AI SEAL87.7%†–
元数据
AA Openness IndexArtificial Analysis27.838.9†

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 Open (xhigh):1 项分数修订。
  • Muse Spark Open (xhigh):1 项新结果(GameBench 2 by reasoning setting);1 项分数修订。
  • Muse Spark Open (xhigh):BenchLeader Index 53.3 → 53.8。
  • Muse Spark Open (xhigh):1 项新结果(ARC-AGI-3)。
  • Muse Spark Open (xhigh):BenchLeader Index 59.5 → 53.3。
  • Muse Spark Open (xhigh):6 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $0.84/M → $2.02/M。
  • Qwen3.5-122B-A10B:BenchLeader Index 54.6 → 54.1。
  • Muse Spark Open (xhigh):6 项新结果(MLCR, Code Migration v1.1, Excel Modeling Benchmark v1.1…);价格 $1.25/M → $0.15/M。
  • Muse Spark Open (xhigh):6 项新结果(FrontierCode 1.1 (AA), Terminal-Bench-Science 0.1 (AA), Vals Index…)。
  • Muse Spark Open (xhigh):9 项新结果(Vals Index, Code Migration, Excel Modeling Benchmark…)。

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 Open vs Qwen3.5-122B-A10B:常见问题

Muse Spark Open 比 Qwen3.5-122B-A10B 更好吗?
Muse Spark Open (xhigh) 与 Qwen3.5-122B-A10B 的质量不相上下(53.5 比 54.1,在 ±8.9 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 Open 和 Qwen3.5-122B-A10B 哪个更便宜?价格会变吗?
目前 Qwen3.5-122B-A10B 更便宜:每百万 token $1.10 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 Open 还是 Qwen3.5-122B-A10B 更好?
Qwen3.5-122B-A10B 在编程方面得分更高(类别得分 45 比 36,50 为平均水平)。
Muse Spark Open 和 Qwen3.5-122B-A10B 哪个更快?
Muse Spark Open 输出更快(约 2 倍;输出 180 比 92 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
Muse Spark Open 支持更长的上下文:1,048,576 token,Qwen3.5-122B-A10B 为 262,144 token。
更多问题(2)
哪个延迟更低?
Qwen3.5-122B-A10B 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.1 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。
Muse Spark Open 是什么时候发布的?
Muse Spark Open 于 2026年10月15日 发布。