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 Spark | Muse Wonder Full |
|---|---|---|
| 提供商 | Meta | Meta |
| 发布日期 | 2026年4月8日 | 2026年10月12日 |
| 上下文窗口(token) | 262,144 | 1,000,000 |
| 对比时的配置 | Muse Spark | Muse 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 Spark | Muse Wonder Full (max) | 领先者 |
|---|---|---|---|
| 推理 | 67.4 | 65.8 | Muse Spark |
| 编程 | 65.1 | 69.9 | Muse Wonder Full |
| 智能体与工具 | 65.0 | 63.6 | Muse Spark |
| 数学 | 59.1 | – | 无法比较 |
| 知识 | 63.1 | 62.3 | 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 | 63.6 | 66.6 | Muse 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。
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。
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 Index | Muse Spark | Muse Wonder Full (max) | 领先者 |
|---|---|---|---|
| BenchLeader Index | 64.2 | 61.7 | 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 Spark | Muse 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 Spark | Muse Wonder Full (max) |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 64.2 | 61.7 |
| 智能体与工具得分 | BenchLeader | 65.0 | 63.6 |
| 编程得分 | BenchLeader | 65.1 | 69.9 |
| 人类偏好得分 | BenchLeader | 68.1 | – |
| 指令遵循得分 | BenchLeader | 76.9 | – |
| 知识得分 | BenchLeader | 63.1 | 62.3 |
| 长上下文得分 | BenchLeader | 63.6 | 66.6 |
| 数学得分 | BenchLeader | 59.1 | – |
| 多模态得分 | BenchLeader | 64.2 | – |
| 推理得分 | BenchLeader | 67.4 | 65.8 |
| 上下文窗口 | BenchLeader | 262,144 token | 1,000,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 89.8% | – |
| Humanity's Last Exam | Scale AI / CAIS | 40.6% | – |
| Arena Hard Prompts | Arena (LMArena) | 1506 | – |
| GPQA Diamond (AA) | Artificial Analysis | 88.4% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 40.7% | 53.6% |
| HLE-Diamond (AA) | Artificial Analysis | – | 48.5% |
| GPQA Diamond (Vals) | Vals AI | 89.7% | – |
| CritPt | Artificial Analysis | 11.3% | 32.9% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 56.5% |
| MysteryMechanism | Vals AI | – | 35.1% |
| Arena Expert | Arena (LMArena) | 1491 | – |
| 编程 | |||
| SciCode | SciCode | 51.5% | – |
| Arena Coding | Arena (LMArena) | 1529 | – |
| Arena WebDev | Arena (LMArena) | – | 1724 |
| SciCode (AA) | Artificial Analysis | – | 62.6% |
| IOI | Vals AI | – | 79.8% |
| SWE-bench (Vals) | Vals AI | 74.4% | – |
| SWE-Bench Pro | Scale AI SEAL | 55.0% | – |
| Code Migration | Vals AI | – | 61.0% |
| Code Migration v1.1 | Vals AI | – | 62.8% |
| ProgramBench | Vals AI | – | 0.5% |
| SWE-bench Multimodal | Vals AI | – | 47.3% |
| Vibe Code Bench 1-100 | Vals AI | – | 34.0% |
| Vibe Code Bench v1.1 | Vals AI | 19.7% | 86.0% |
| SWE-Bench Pro (private) | Scale AI SEAL | 44.7% | – |
显示全部 106 项基准测试
| 指标 | 发布方 | Muse Spark | Muse Wonder Full (max) |
|---|---|---|---|
| 编程 | |||
| SWE Atlas v1.0: Codebase QnA | Scale AI SEAL | 24.2% | – |
| SWE Atlas v1.0: Test Writing | Scale AI SEAL | 31.1% | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | – | 57.1% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 62.2% | – |
| Design Arena Website | Design Arena | 1253 | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | – | 44.9% |
| FrontierCode 2.0 (AA) | Artificial Analysis | – | 37.8% |
| 智能体与工具 | |||
| Arena Agent | Arena (LMArena) | – | 9 |
| Terminal-Bench Hard | Artificial Analysis | 45.5% | – |
| τ²-Bench Telecom (AA) | Artificial Analysis | 91.5% | – |
| MCP Atlas | Scale AI SEAL | 82.2% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 67.8% |
| GDPval-AA v2.1 | Artificial Analysis | 1006 | 1857 |
| CyberBench | Vals AI | – | 73.6% |
| Finance Agent v2 | Vals AI | – | 59.1% |
| Finance Agent v2.1 | Vals AI | – | 67.6% |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | – | 23.3% |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 21.7% |
| Legal Research Bench | Vals AI | – | 53.4% |
| Robo-bench | Vals AI | – | 10.4% |
| SREBench | Vals AI | – | 11.8% |
| Tax Agent Bench | Vals AI | – | 43.0% |
| Terminal-Bench 2.0 (Vals) | Vals AI | 59.5% | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | – | 58.1% |
| Terminal-Bench Science | Vals AI | – | 37.1% |
| Arena Agent Task Completion | Arena (LMArena) | – | 11.1 |
| AutomationBench | Artificial Analysis | – | 71.3% |
| GDP.pdf (AA) | Artificial Analysis | – | 32.6% |
| Harvey LAB-AA v1.1 | Harvey | – | 13.1% |
| AA-Briefcase v1.1 | Artificial Analysis | 646 | 1729 |
| GDPx | GDPx by SemiAnalysis | – | 9.0% |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 37.1% |
| 数学 | |||
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 88.9% | – |
| ProofBench | Vals AI | 17.0% | – |
| AIME (Vals) | Vals AI | 96.9% | – |
| Arena Maths | Arena (LMArena) | 1469 | – |
| 知识 | |||
| AA-Omniscience v1.1 | Artificial Analysis | – | 30.6 |
| MMLU-Pro | Vals AI | 87.3% | – |
| LegalBench | Vals AI | 84.2% | 87.4% |
| CorpFin | Vals AI | 65.1% | – |
| TaxEval | Vals AI | 77.7% | – |
| PRBench Finance | Scale AI SEAL | 52.4% | – |
| PRBench Legal | Scale AI SEAL | 52.3% | – |
| MultiNRC | Scale AI SEAL | 59.0% | – |
| BioMysteryBench | Vals AI | – | 73.3% |
| CaseLaw v2 | Vals AI | 63.1% | – |
| Excel Modeling Benchmark | Vals AI | – | 71.9% |
| Excel Modeling Benchmark v1.1 | Vals AI | – | 75.0% |
| MedCode | Vals AI | 51.3% | 49.9% |
| MedScribe | Vals AI | 85.9% | 89.3% |
| Public Benefits Bench v1.1 | Vals AI | – | 73.8% |
| Access to Justice Benchmark | Vals AI | – | 74.7% |
| Financial Coaching Bench | Vals AI | – | 75.0% |
| Immigration Bench | Vals AI | – | 71.2% |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 41.0% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 82.4% |
| 指令遵循 | |||
| IFBench | Artificial Analysis | 75.9% | – |
| MultiChallenge | Scale AI SEAL | 75.5% | – |
| TutorBench | Scale AI SEAL | 68.5% | – |
| Arena Instruction Following | Arena (LMArena) | 1465 | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1489 | – |
| Arena Creative Writing | Arena (LMArena) | 1464 | – |
| Arena Multi-turn | Arena (LMArena) | 1493 | – |
| Arena Longer Queries | Arena (LMArena) | 1476 | – |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1306 | – |
| MMMU-Pro | Artificial Analysis | 80.5% | – |
| MMMU-Pro (Vals) | Vals AI | 87.4% | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 78.0% | 83.7% |
| Arena Document | Arena (LMArena) | 1467 | – |
| MLCR | Artificial Analysis | – | 22.2% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 153.1 | – |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 50.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 31.3 | 55.8 |
| AA Progress Index v1 | Artificial Analysis | 289.1 | 343.2 |
| Vals Index | Vals AI | – | 66.8 |
| Vals Finance Index | Vals AI | – | 64.5% |
| Vals RSI Index | Vals AI | – | 24.4% |
| Vals Science Index | Vals AI | – | 48.5% |
| Vals Router Index | Vals AI | – | 66.8%† |
| Vals Legal Index | Vals AI | – | 77.9% |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 20.2% | – |
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))。
相关对比
- Muse Spark vs Claude Fable 5.2
- Muse Spark vs Gemini 4 Carbon
- Muse Spark vs Claude Opus 5.5
- Muse Wonder Full vs Claude Fable 5.2
- Muse Wonder Full vs Gemini 4 Carbon
- Muse Wonder Full vs Claude Opus 5.5
- Muse Wonder Full vs GPT-6 Astra
- Muse Spark vs Muse Spark 1.3
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。