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 Open | Qwen3.5-122B-A10B |
|---|---|---|
| 提供商 | Meta | Alibaba |
| 发布日期 | 2026年10月15日 | 2026年2月24日 |
| 上下文窗口(token) | 1,048,576 | 262,144 |
| 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 | 51.3 | 58.9 | Qwen3.5-122B-A10B |
| 编程 | 36.0 | 45.2 | Qwen3.5-122B-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 | 63.3 | 57.4 | Muse 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。
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。
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 Index | Muse Spark Open (xhigh) | Qwen3.5-122B-A10B | 领先者 |
|---|---|---|---|
| BenchLeader Index | 53.5 | 54.1 | 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/s | 92 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 Index | BenchLeader | 53.5 | 54.1 |
| 编程得分 | BenchLeader | 36.0 | 45.2 |
| 知识得分 | BenchLeader | 58.8 | – |
| 长上下文得分 | BenchLeader | 63.8 | – |
| 多模态得分 | BenchLeader | 63.3 | 57.4 |
| 推理得分 | BenchLeader | 51.3 | 58.9 |
| 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 | BenchLeader | 180 tok/s | 92 tok/s |
| 首次回答时间 | BenchLeader | 9.9 秒 | 1.1 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 262,144 token |
| 推理 | |||
| Arena Hard Prompts | Arena (LMArena) | – | 1433 |
| LiveBench 2.0 Reasoning | LiveBench | 73.7%† | – |
| GPQA Diamond (AA) | Artificial Analysis | 89.0% | 85.7%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.9% | 25.2%† |
| HLE-Diamond (AA) | Artificial Analysis | 26.3% | 7.3%† |
| ARC-AGI-1 | ARC Prize | 89.0% | – |
| ARC-AGI-2 | ARC Prize | 57.5% | – |
| ARC-AGI-3 | ARC Prize | 0.4% | – |
| CritPt | Artificial Analysis | 14.9% | 0.6%† |
| CritPt v2 hard subset (AA) | Artificial Analysis | 29.5% | – |
| HLE-Diamond (Scale) | Scale AI SEAL | 28.0%† | – |
| Arena Expert | Arena (LMArena) | – | 1441 |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 17.0%† |
| LMCA | Epoch AI Benchmarking Hub | – | 32.2%† |
| DTBench | Epoch AI Benchmarking Hub | – | 84.3%† |
| 编程 | |||
| SciCode | SciCode | – | 35.6%† |
| Arena Coding | Arena (LMArena) | – | 1458 |
| Arena WebDev | Arena (LMArena) | 1526† | 1360 |
| LiveBench 2.0 Coding | LiveBench | 55.1%† | – |
| SciCode (AA) | Artificial Analysis | 58.5% | 39.7%† |
| Code Migration | Vals AI | 21.2% | – |
| Code Migration v1.1 | Vals AI | 26.9% | – |
| Vibe Code Bench v1.1 | Vals AI | 76.2% | – |
| SWE Atlas v1.1 | Scale AI SEAL | 42.3%† | – |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 50.0%† | – |
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 Writing | Scale AI SEAL | 41.1%† | – |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 35.7%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 95.0% | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 82.3% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 8.1% | 0.0%† |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 76.4% | 47.6%† |
| GameBench 2 Overall | DuelLab GameBench 2 | 55.3† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 59.3 | – |
| Design Arena Website | Design Arena | 1305 | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | 27.6% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 7.6% | – |
| 智能体与工具 | |||
| LiveBench Long Agentic | LiveBench | 12.1%† | – |
| LiveBench Browser | LiveBench | 26.2%† | – |
| Terminal-Bench Hard | Artificial Analysis | – | 31.1%† |
| τ²-Bench Telecom (AA) | Artificial Analysis | – | 93.6%† |
| HiL-Bench | Scale AI SEAL | 59.7%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 45.1% | 15.7%† |
| GDPval-AA v2.1 | Artificial Analysis | 1401 | 821† |
| τ³-Banking (AA) | Artificial Analysis | – | 15.3%† |
| Finance Agent v2 | Vals AI | 61.3% | – |
| Finance Agent v2.1 | Vals AI | 60.7% | – |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 25.0% | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 16.7% | – |
| Legal Research Bench | Vals AI | 38.5% | – |
| Tax Agent Bench | Vals AI | 26.3% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 6.6% | – |
| AutomationBench | Artificial Analysis | 49.7% | 5.5%† |
| GDP.pdf (AA) | Artificial Analysis | 18.6% | 3.4%† |
| AA-Briefcase v1.1 | Artificial Analysis | 1280 | 499† |
| GDPx | GDPx by SemiAnalysis | 1.7%† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 1.9% | – |
| 数学 | |||
| ArXivMath | MathArena | 27.0% | – |
| BrokenArXiv | MathArena | 30.1% | – |
| Arena Maths | Arena (LMArena) | – | 1425 |
| 知识 | |||
| LiveBench 2.0 Data Analysis | LiveBench | 60.2%† | – |
| LiveBench Research | LiveBench | 82.7%† | – |
| AA-Omniscience v1.1 | Artificial Analysis | 25.8 | – |
| PRBench Legal | Scale AI SEAL | 59.8%† | – |
| Excel Modeling Benchmark | Vals AI | 53.7% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 62.0% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 42.0% | – |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 72.0% | – |
| Global-MMLU-Lite (AA) | Artificial Analysis | – | 89.1%† |
| 指令遵循 | |||
| IFBench | Artificial Analysis | – | 75.7%† |
| MultiChallenge | Scale AI SEAL | 74.2%† | – |
| Arena Instruction Following | Arena (LMArena) | – | 1406 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | – | 1416 |
| Arena Creative Writing | Arena (LMArena) | – | 1365 |
| Arena Multi-turn | Arena (LMArena) | – | 1419 |
| Arena Longer Queries | Arena (LMArena) | – | 1418 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1244 |
| LiveBench Design | LiveBench | 58.1%† | – |
| MMMU-Pro | Artificial Analysis | 80.9% | 75.0%† |
| SAGE | Vals AI | 85.8% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 29.6%† | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 78.3% | 76.3%† |
| MLCR | Artificial Analysis | 7.8% | 7.8%† |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 155.4† | – |
| LiveBench 2.0 | LiveBench | 48.5%† | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 24.9 | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 38.9 | 15.6† |
| AA Progress Index v1 | Artificial Analysis | 306.7 | 261.5† |
| Vals Index | Vals AI | 48.6 | – |
| Vals Finance Index | Vals AI | 53.0% | – |
| Vals Legal Index | Vals AI | 68.5% | – |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 7.6%† | – |
| DistressBench | Scale AI SEAL | 87.7%† | – |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 27.8 | 38.9† |
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…)。
相关对比
- Muse Spark Open vs Claude Opus 5.5
- Muse Spark Open vs GPT-6 Astra
- Muse Spark Open vs GPT-6.1 Sol
- Muse Spark Open vs Claude Fable 5
- Qwen3.5-122B-A10B vs MiniMax M3.1 Flash
- Muse Spark Open vs Gemini 4 Argon
- Muse Spark Open vs GPT-5.6 Sol
- Muse Spark Open vs Claude Sonnet 5.5
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。