BenchLeader

Muse Spark vs Muse Spark 1.3

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

更新于 · 数据来自 11 个来源

截至 2026年11月16日,Muse Spark 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 64.2 比 61.6,在 ±8.9 的误差范围内)。看重智能体与工具(65 比 61)和数学(59 比 56)选 Spark;看重知识(81 比 63)和推理(71 比 67)选 Spark 1.3。

要点(截至 2026年11月16日)

  • Muse Spark 的 BenchLeader Index 为 64.2,Muse Spark 1.3 为 61.6(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)。
  • 在两者都有结果的 4 项基准测试中,Muse Spark 1.3 领先 4 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类别得分 65 比 61中
数学Muse Spark类别得分 59 比 56;ProofBench 17.0% 比 55.0%中
推理Muse Spark 1.3类别得分 71 比 67中
知识Muse Spark 1.3类别得分 81 比 63;PRBench Finance 59.5% 比 52.4%高
对话质量(人类偏好)–只有 Muse Spark 有 Arena 评分(类别得分 68)无法比较
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 与 Muse Spark 1.3 的质量不相上下(64.2 比 61.6,在 ±8.9 的误差范围内)。
  • Muse Spark 在智能体与工具、数学方面更强。
  • Muse Spark 1.3 在知识、推理方面更强。

概览

规格Muse SparkMuse Spark 1.3
提供商MetaMeta
发布日期2026年4月8日2026年9月2日
上下文窗口(token)262,1441,048,576
对比时的配置Muse SparkMuse Spark 1.3
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

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 SparkMuse Spark 1.3领先者
推理67.471.0Muse Spark 1.3
编程65.1–无法比较
智能体与工具65.061.3Muse Spark
数学59.156.3Muse Spark
知识63.181.2Muse Spark 1.3
指令遵循76.9–无法比较
人类偏好68.1–无法比较
多模态64.2–无法比较
长上下文63.6–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推理智能体与工具数学知识Muse Spark, 推理: 67.4Muse Spark, 智能体与工具: 65.0Muse Spark, 数学: 59.1Muse Spark, 知识: 63.1Muse 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: 81.2

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 4 项基准测试中,Muse Spark 领先 0 项,Muse Spark 1.3 领先 4 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 SparkMuse Spark 1.3领先者
BenchLeader Index64.261.6不相上下
Arena Text14891497†Muse 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 SparkMuse Spark 1.3
每百万 token 混合价格–$2.00
每百万 token 输入 / 输出– / –$1.25 / $4.25
每百万 token 缓存输入–$0.150
每项任务价格:聊天回复–$0.0018
每项任务价格:总结一份 30 页的报告–$0.018
每项任务价格:代码编辑–$0.014
每项任务价格:智能体编程会话–$0.092
每项任务价格:结构化信息提取–$0.0034
智能体编程会话(输入大多命中缓存)–$0.043
输出速度–163 tok/s
首次回答时间–2.6 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 得分 64.2。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)。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 SparkMuse Spark 1.3
BenchLeader IndexBenchLeader64.261.6
智能体与工具得分BenchLeader65.061.3
编程得分BenchLeader65.1–
人类偏好得分BenchLeader68.1–
指令遵循得分BenchLeader76.9–
知识得分BenchLeader63.181.2
长上下文得分BenchLeader63.6–
数学得分BenchLeader59.156.3
多模态得分BenchLeader64.2–
推理得分BenchLeader67.471.0
混合价格(美元/百万 token)BenchLeader–$2.00
输出速度BenchLeader–163 tok/s
首次回答时间BenchLeader–2.6 秒
上下文窗口BenchLeader262,144 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub89.8%–
Humanity's Last ExamScale AI / CAIS40.6%–
SimpleBenchSimpleBench–81.8%
Arena Hard PromptsArena (LMArena)15061517†
LiveBench 2.0 ReasoningLiveBench–89.7%†
LiveBench 1.0 ReasoningLiveBench–89.7%†
GPQA Diamond (AA)Artificial Analysis88.4%93.5%†
Humanity's Last Exam (AA)Artificial Analysis40.7%48.7%†
HLE-Diamond (AA)Artificial Analysis–33.7%†
GPQA Diamond (Vals)Vals AI89.7%–
CritPtArtificial Analysis11.3%24.9%†
CritPt v2 hard subset (AA)Artificial Analysis–48.0%†
MysteryMechanismVals AI–36.0%†
HLE-Diamond (Scale)Scale AI SEAL–25.4%
Arena ExpertArena (LMArena)14911521†
Chess PuzzlesEpoch AI Benchmarking Hub–37.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–25.0%†
LMCAEpoch AI Benchmarking Hub–53.9%
DTBenchEpoch AI Benchmarking Hub–96.5%
ForecastBenchForecastBench–65.5%†
BTF-3Epoch AI Benchmarking Hub–14.1%†
编程
SciCodeSciCode51.5%58.8%†
Arena CodingArena (LMArena)15291534†
Arena WebDevArena (LMArena)–1655†
LiveBench 2.0 CodingLiveBench–84.4%†
显示全部 147 项基准测试
指标发布方Muse SparkMuse Spark 1.3
编程
LiveBench 1.0 CodingLiveBench–81.1%†
SciCode (AA)Artificial Analysis–58.8%†
IOIVals AI–56.6%†
SWE-bench (Vals)Vals AI74.4%–
SWE-Bench ProScale AI SEAL55.0%–
Code MigrationVals AI–47.4%†
ProgramBenchVals AI–2.5%†
SWE-bench MultimodalVals AI–43.1%†
Vibe Code Bench 1-100Vals AI–20.5%†
Vibe Code Bench v1.1Vals AI19.7%85.9%†
SWE-Bench Pro (private)Scale AI SEAL44.7%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL24.2%–
SWE Atlas v1.0: Test WritingScale AI SEAL31.1%–
MirrorCodeEpoch AI Benchmarking Hub–54.4%†
CursorBenchCursor–41.6%†
ALE-BenchEpoch AI Benchmarking Hub–1688.3†
FrontierSWEEpoch AI Benchmarking Hub–25.8%†
WeirdML v3WeirdML–6.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis–33.3%†
Terminal-Bench 2.1 (AA)Artificial Analysis62.2%84.3%†
Startrise FrontendStartrise–74.7%
GameBench 2 OverallDuelLab GameBench 2–57.7
GameBench 2 by reasoning settingDuelLab GameBench 2–68.5†
Design Arena WebsiteDesign Arena12531353†
FrontierCode 1.1 (AA)Artificial Analysis–40.6%†
FrontierCode 2.0 (AA)Artificial Analysis–23.1%†
智能体与工具
Terminal-BenchTerminal-Bench–14.8%†
APEX-AgentsMercor–58.6%
Arena AgentArena (LMArena)–2.2†
LiveBench Long AgenticLiveBench–47.9%†
LiveBench BrowserLiveBench–30.9%†
LiveBench Agentic CodingLiveBench–64.1%†
Terminal-Bench HardArtificial Analysis45.5%–
τ²-Bench Telecom (AA)Artificial Analysis91.5%–
Terminal-Bench 2.1 (Vals)Vals AI–79.0%†
MCP AtlasScale AI SEAL82.2%–
HiL-BenchScale AI SEAL–66.9%
GDPval-AA v2.1Artificial Analysis10061681†
τ³-Banking (AA)Artificial Analysis–50.5%†
ITBench SRE (AA)Artificial Analysis–33.2%†
Analyst Agent (AA)Artificial Analysis–37.5%†
CUA-benchVals AI–5.8%†
CyberBenchVals AI–72.7%†
Finance Agent v2Vals AI–60.0%†
Harvey's Legal Agent Benchmark v1Vals AI–23.8%†
Legal Research BenchVals AI–55.3%†
SREBenchVals AI–3.8%†
Tax Agent BenchVals AI–42.4%†
Terminal-Bench 2.0 (Vals)Vals AI59.5%–
Terminal-Bench 4.0 (Vals)Vals AI–24.8%†
Terminal-Bench ScienceVals AI–10.0%†
Arena Agent Task CompletionArena (LMArena)–3.7†
AutomationBenchArtificial Analysis–57.9%†
GDP.pdf (AA)Artificial Analysis–26.6%†
Harvey LAB-AA v1.1Harvey–8.9%†
AA-Briefcase v1.1Artificial Analysis6461581†
Design Arena AgenticDesign Arena–1283†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–10.9%†
CWE-Bench (AA)Artificial Analysis–60.8%†
DeepSec-Bench (AA)Artificial Analysis–12.5%†
CyberGym end-to-end (AA)Artificial Analysis–59.5%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–74.0%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–46.3%†
OTIS Mock AIMEEpoch AI Benchmarking Hub88.9%99.2%†
ProofBenchVals AI17.0%55.0%
LiveBench MathematicsLiveBench–96.0%†
AIME (Vals)Vals AI96.9%–
Arena MathsArena (LMArena)14691506†
知识
LiveBench 2.0 Data AnalysisLiveBench–79.6%†
LiveBench ResearchLiveBench–82.5%†
LiveBench 1.0 Data AnalysisLiveBench–79.6%†
AA-Omniscience v1.1Artificial Analysis–22.4†
MMLU-ProVals AI87.3%–
LegalBenchVals AI84.2%–
CorpFinVals AI65.1%–
TaxEvalVals AI77.7%–
PRBench FinanceScale AI SEAL52.4%59.5%
PRBench LegalScale AI SEAL52.3%61.6%
MultiNRCScale AI SEAL59.0%–
CaseLaw v2Vals AI63.1%–
Excel Modeling BenchmarkVals AI–67.4%†
MedCodeVals AI51.3%–
MedScribeVals AI85.9%–
Access to Justice BenchmarkVals AI–72.2%†
Financial Coaching BenchVals AI–70.3%†
Immigration BenchVals AI–64.9%†
DrugDiscoveryBenchScale AI SEAL–62.2%†
GDP.pdfEpoch AI Benchmarking Hub–27.6%
AA-Omniscience v1.1: accuracyArtificial Analysis–38.0%†
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–74.8%†
指令遵循
LiveBench LanguageLiveBench–82.8%†
LiveBench Instruction FollowingLiveBench–78.0%†
IFBenchArtificial Analysis75.9%–
MultiChallengeScale AI SEAL75.5%–
TutorBenchScale AI SEAL68.5%–
Arena Instruction FollowingArena (LMArena)14651485†
人类偏好
Arena TextArena (LMArena)14891497†
EQ-Bench Creative Writing v3EQ-Bench–1907
Arena Creative WritingArena (LMArena)14641468†
Arena Multi-turnArena (LMArena)14931493†
Arena Longer QueriesArena (LMArena)14761498†
多模态
Arena VisionArena (LMArena)13061310†
LiveBench DesignLiveBench–74.8%†
MMMU-ProArtificial Analysis80.5%82.0%†
MMMU-Pro (Vals)Vals AI87.4%–
Humanity's Sixth SenseScale AI SEAL–37.4%†
GeoBenchGeoBench–86.0%
Code2Video-AAArtificial Analysis–1019†
AA-3DArtificial Analysis–1032†
长上下文
AA-LCR v1.1Artificial Analysis78.0%83.0%†
Arena DocumentArena (LMArena)14671474†
MLCRArtificial Analysis–13.9%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.1158.2
LiveBench 2.0LiveBench–68.6%†
LiveBench 1.0LiveBench–81.6%†
AA Intelligence Index v5.0.1Artificial Analysis–36.6†
AA Intelligence Index v4.3.2Artificial Analysis31.348.1†
AA Progress Index v1Artificial Analysis289.1324.5†
Vals RSI IndexVals AI–19.6%†
AA Cyber IndexArtificial Analysis–44.3†
安全与诚实
FORTRESSScale AI SEAL20.2%–
DistressBenchScale AI SEAL–84.9%

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 Spark:2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • 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:BenchLeader Index 64.6 → 64.1。
  • Muse Spark 1.3:BenchLeader Index 58.2 → 57.7。
  • Muse Spark: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 vs Muse Spark 1.3:常见问题

Muse Spark 比 Muse Spark 1.3 更好吗?
Muse Spark 与 Muse Spark 1.3 的质量不相上下(64.2 比 61.6,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。
智能体和工具调用用 Muse Spark 还是 Muse Spark 1.3 更好?
Muse Spark 在智能体任务方面得分更高(类别得分 65 比 61,50 为平均水平)。
处理长文档哪个更好?
Muse Spark 1.3 支持更长的上下文:1,048,576 token,Muse Spark 为 262,144 token。
第三方基准测试对 Muse Spark 和 Muse Spark 1.3 的看法一致吗?
在两者都有结果的 4 项基准测试中,Muse Spark 领先 0 项,Muse Spark 1.3 领先 4 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。