BenchLeader

Muse Spark vs Muse Wonder Full

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

更新于 · 数据来自 7 个来源

截至 2026年11月16日,Muse Spark 与 Muse Wonder Full 的质量不相上下(BenchLeader Index 64.2 比 61.7,在 ±4.2 的误差范围内)。看重推理(67 比 66)和智能体与工具(65 比 64)选 Spark;看重编程(70 比 65)和长上下文(67 比 64)选 Wonder Full。

要点(截至 2026年11月16日)

  • Muse Spark 的 BenchLeader Index 为 64.2,Muse Wonder Full 为 61.7(BenchLeader,2026年11月16日)。
  • 在两者都有结果的 10 项基准测试中,Muse Wonder Full 领先 9 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
编程Muse Wonder Full类别得分 70 比 65;Vibe Code Bench v1.1 86.0% 比 19.7%中
智能体与工具调用Muse Spark类别得分 65 比 64;GDPval-AA v2.1 1006 比 1857中
推理Muse Spark类别得分 67 比 66;Humanity's Last Exam (AA) 40.7% 比 53.6%中
知识均可类别得分 63 比 62;LegalBench 84.2% 比 87.4%均可
长文档Muse Wonder Full类别得分 67 比 64;AA-LCR v1.1 83.7% 比 78.0%中
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 Wonder Full (max) 的质量不相上下(64.2 比 61.7,在 ±4.2 的误差范围内)。
  • Muse Spark 在智能体与工具、知识、推理方面更强。
  • Muse Wonder Full (max) 在编程、长上下文方面更强。

概览

规格Muse SparkMuse Wonder Full
提供商MetaMeta
发布日期2026年4月8日2026年10月12日
上下文窗口(token)262,1441,000,000
对比时的配置Muse SparkMuse Wonder Full (max)
开放权重否否

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 Wonder Full (max)领先者
推理67.465.8Muse Spark
编程65.169.9Muse Wonder Full
智能体与工具65.063.6Muse Spark
数学59.1–无法比较
知识63.162.3持平
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63.666.6Muse Wonder Full

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推理编程智能体与工具知识长上下文Muse Spark, 推理: 67.4Muse Spark, 编程: 65.1Muse Spark, 智能体与工具: 65.0Muse Spark, 知识: 63.1Muse Spark, 长上下文: 63.6Muse Wonder Full, 推理: 65.8Muse Wonder Full, 编程: 69.9Muse Wonder Full, 智能体与工具: 63.6Muse Wonder Full, 知识: 62.3Muse Wonder Full, 长上下文: 66.6

未绘制(测得的模型少于两个):数学, 指令遵循, 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 10 项基准测试中,Muse Spark 领先 1 项,Muse Wonder Full 领先 9 项。

综合 IndexMuse SparkMuse Wonder Full (max)领先者
BenchLeader Index64.261.7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 SparkMuse Wonder Full (max)
每项任务输出 token(AA Index)–88k
其中推理部分–55k

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 Wonder Full (max) 得分 61.7。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 106 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 Wonder Full (max)
BenchLeader IndexBenchLeader64.261.7
智能体与工具得分BenchLeader65.063.6
编程得分BenchLeader65.169.9
人类偏好得分BenchLeader68.1–
指令遵循得分BenchLeader76.9–
知识得分BenchLeader63.162.3
长上下文得分BenchLeader63.666.6
数学得分BenchLeader59.1–
多模态得分BenchLeader64.2–
推理得分BenchLeader67.465.8
上下文窗口BenchLeader262,144 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub89.8%–
Humanity's Last ExamScale AI / CAIS40.6%–
Arena Hard PromptsArena (LMArena)1506–
GPQA Diamond (AA)Artificial Analysis88.4%–
Humanity's Last Exam (AA)Artificial Analysis40.7%53.6%
HLE-Diamond (AA)Artificial Analysis–48.5%
GPQA Diamond (Vals)Vals AI89.7%–
CritPtArtificial Analysis11.3%32.9%
CritPt v2 hard subset (AA)Artificial Analysis–56.5%
MysteryMechanismVals AI–35.1%
Arena ExpertArena (LMArena)1491–
编程
SciCodeSciCode51.5%–
Arena CodingArena (LMArena)1529–
Arena WebDevArena (LMArena)–1724
SciCode (AA)Artificial Analysis–62.6%
IOIVals AI–79.8%
SWE-bench (Vals)Vals AI74.4%–
SWE-Bench ProScale AI SEAL55.0%–
Code MigrationVals AI–61.0%
Code Migration v1.1Vals AI–62.8%
ProgramBenchVals AI–0.5%
SWE-bench MultimodalVals AI–47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI19.7%86.0%
SWE-Bench Pro (private)Scale AI SEAL44.7%–
显示全部 106 项基准测试
指标发布方Muse SparkMuse Wonder Full (max)
编程
SWE Atlas v1.0: Codebase QnAScale AI SEAL24.2%–
SWE Atlas v1.0: Test WritingScale AI SEAL31.1%–
Terminal-Bench 4.0 (AA)Artificial Analysis–57.1%
Terminal-Bench 2.1 (AA)Artificial Analysis62.2%–
Design Arena WebsiteDesign Arena1253–
FrontierCode 1.1 (AA)Artificial Analysis–44.9%
FrontierCode 2.0 (AA)Artificial Analysis–37.8%
智能体与工具
Arena AgentArena (LMArena)–9
Terminal-Bench HardArtificial Analysis45.5%–
τ²-Bench Telecom (AA)Artificial Analysis91.5%–
MCP AtlasScale AI SEAL82.2%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–67.8%
GDPval-AA v2.1Artificial Analysis10061857
CyberBenchVals AI–73.6%
Finance Agent v2Vals AI–59.1%
Finance Agent v2.1Vals AI–67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–23.3%
Harvey's Legal Agent Benchmark v1Vals AI–21.7%
Legal Research BenchVals AI–53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI–11.8%
Tax Agent BenchVals AI–43.0%
Terminal-Bench 2.0 (Vals)Vals AI59.5%–
Terminal-Bench 4.0 (Vals)Vals AI–58.1%
Terminal-Bench ScienceVals AI–37.1%
Arena Agent Task CompletionArena (LMArena)–11.1
AutomationBenchArtificial Analysis–71.3%
GDP.pdf (AA)Artificial Analysis–32.6%
Harvey LAB-AA v1.1Harvey–13.1%
AA-Briefcase v1.1Artificial Analysis6461729
GDPxGDPx by SemiAnalysis–9.0%
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–37.1%
数学
OTIS Mock AIMEEpoch AI Benchmarking Hub88.9%–
ProofBenchVals AI17.0%–
AIME (Vals)Vals AI96.9%–
Arena MathsArena (LMArena)1469–
知识
AA-Omniscience v1.1Artificial Analysis–30.6
MMLU-ProVals AI87.3%–
LegalBenchVals AI84.2%87.4%
CorpFinVals AI65.1%–
TaxEvalVals AI77.7%–
PRBench FinanceScale AI SEAL52.4%–
PRBench LegalScale AI SEAL52.3%–
MultiNRCScale AI SEAL59.0%–
BioMysteryBenchVals AI–73.3%
CaseLaw v2Vals AI63.1%–
Excel Modeling BenchmarkVals AI–71.9%
Excel Modeling Benchmark v1.1Vals AI–75.0%
MedCodeVals AI51.3%49.9%
MedScribeVals AI85.9%89.3%
Public Benefits Bench v1.1Vals AI–73.8%
Access to Justice BenchmarkVals AI–74.7%
Financial Coaching BenchVals AI–75.0%
Immigration BenchVals AI–71.2%
AA-Omniscience v1.1: accuracyArtificial Analysis–41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–82.4%
指令遵循
IFBenchArtificial Analysis75.9%–
MultiChallengeScale AI SEAL75.5%–
TutorBenchScale AI SEAL68.5%–
Arena Instruction FollowingArena (LMArena)1465–
人类偏好
Arena TextArena (LMArena)1489–
Arena Creative WritingArena (LMArena)1464–
Arena Multi-turnArena (LMArena)1493–
Arena Longer QueriesArena (LMArena)1476–
多模态
Arena VisionArena (LMArena)1306–
MMMU-ProArtificial Analysis80.5%–
MMMU-Pro (Vals)Vals AI87.4%–
长上下文
AA-LCR v1.1Artificial Analysis78.0%83.7%
Arena DocumentArena (LMArena)1467–
MLCRArtificial Analysis–22.2%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub153.1–
AA Intelligence Index v5.0.1Artificial Analysis–50.1
AA Intelligence Index v4.3.2Artificial Analysis31.355.8
AA Progress Index v1Artificial Analysis289.1343.2
Vals IndexVals AI–66.8
Vals Finance IndexVals AI–64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI–48.5%
Vals Router IndexVals AI–66.8%†
Vals Legal IndexVals AI–77.9%
安全与诚实
FORTRESSScale AI SEAL20.2%–

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。

变化

  • Muse Spark:2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • Muse Spark:BenchLeader Index 64.6 → 64.1。
  • Muse Spark:1 项分数修订。
  • Muse Wonder Full (max):1 项分数修订。
  • Muse Wonder Full (max):1 项分数修订。
  • Muse Wonder Full (max):1 项新结果(Arena Agent)。
  • Muse Spark:1 项新结果(AA Progress Index v1)。
  • Muse Wonder Full (max):6 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);2 项分数修订。
  • Muse Wonder Full (max):1 项新结果(Terminal-Bench-Science 0.1 (AA))。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Muse Spark vs Muse Wonder Full:常见问题

Muse Spark 比 Muse Wonder Full 更好吗?
Muse Spark 与 Muse Wonder Full (max) 的质量不相上下(64.2 比 61.7,在 ±4.2 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。
编程用 Muse Spark 还是 Muse Wonder Full 更好?
Muse Wonder Full 在编程方面得分更高(类别得分 70 比 65,50 为平均水平)。
智能体和工具调用用 Muse Spark 还是 Muse Wonder Full 更好?
Muse Spark 在智能体任务方面得分更高(类别得分 65 比 64,50 为平均水平)。
处理长文档哪个更好?
Muse Wonder Full 在长上下文基准测试上得分更高(67 比 64)。Muse Wonder Full 支持更长的上下文:1,000,000 token,Muse Spark 为 262,144 token。
第三方基准测试对 Muse Spark 和 Muse Wonder Full 的看法一致吗?
在两者都有结果的 10 项基准测试中,Muse Spark 领先 1 项,Muse Wonder Full 领先 9 项。
更多问题(1)
Muse Wonder Full 是什么时候发布的?
Muse Wonder Full 于 2026年10月12日 发布。