BenchLeader

Muse Wonder vs Qwen3.6 Max

完整资料:Muse Wonder(Meta)和 Qwen3.6 Max(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 9 个来源

截至 2026年11月16日,Muse Wonder 与 Qwen3.6 Max 的质量不相上下(BenchLeader Index 64.4 比 62.1,在 ±4.2 的误差范围内)。Qwen3.6 Max 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $2.92 比 $8.00)。在两者都有成绩的所有类别中,Muse Wonder 均领先。

要点(截至 2026年11月16日)

  • Muse Wonder 的 BenchLeader Index 为 64.4,Qwen3.6 Max 为 62.1(BenchLeader,2026年11月16日)。
  • Muse Wonder 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Qwen3.6 Max 每百万 token 混合价格为 $2.92(标价,2026年11月16日)。
  • 在两者都有结果的 4 项基准测试中,Muse Wonder 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 Wonder类别得分 76 比 72;Vending-Bench 2 9432.2 比 4254.2中
数学Muse Wonder类别得分 70 比 64中
知识Muse Wonder类别得分 77 比 60高
对话质量(人类偏好)Muse WonderArena 投票 70 比 65中
成本最低Qwen3.6 Max每百万 token 混合价格 $2.92 比 $8.00;智能体编程会话 $0.109 比 $0.320–
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 Wonder 与 Qwen3.6 Max (max) 的质量不相上下(64.4 比 62.1,在 ±4.2 的误差范围内)。
  • Muse Wonder 在智能体与工具、人类偏好、知识、数学方面更强。
  • Qwen3.6 Max (max) 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $2.92 比 $8.00)。

概览

规格Muse WonderQwen3.6 Max
提供商MetaAlibaba
发布日期2026年10月12日2026年4月20日
上下文窗口(token)1,048,576262,144
对比时的配置Muse WonderQwen3.6 Max (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$4.00 / $20.00 / $0.200$1.30 / $7.80 / $0.130

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 WonderQwen3.6 Max (max)领先者
推理–60.8无法比较
编程–55.9无法比较
智能体与工具75.672.1Muse Wonder
数学70.164.4Muse Wonder
知识77.159.7Muse Wonder
指令遵循–74.7无法比较
人类偏好69.664.5Muse Wonder
长上下文–65.0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智能体与工具数学知识人类偏好Muse Wonder, 智能体与工具: 75.6Muse Wonder, 数学: 70.1Muse Wonder, 知识: 77.1Muse Wonder, 人类偏好: 69.6Qwen3.6 Max, 智能体与工具: 72.1Qwen3.6 Max, 数学: 64.4Qwen3.6 Max, 知识: 59.7Qwen3.6 Max, 人类偏好: 64.5

未绘制(测得的模型少于两个):推理, 编程, 指令遵循, 长上下文, 多模态。

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 Wonder 领先 4 项,Qwen3.6 Max 领先 0 项。所有同时评测两者的综合评分都认为 Muse Wonder 更强。

综合 IndexMuse WonderQwen3.6 Max (max)领先者
BenchLeader Index64.462.1不相上下
Arena Text1511†1460Muse Wonder

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 WonderQwen3.6 Max (max)
每百万 token 混合价格$8.00$2.92
每百万 token 输入 / 输出$4.00 / $20.00$1.30 / $7.80
每百万 token 缓存输入$0.200$0.130
每项任务价格:聊天回复$0.0076$0.0029
每项任务价格:总结一份 30 页的报告$0.060$0.020
每项任务价格:代码编辑$0.054$0.019
每项任务价格:智能体编程会话$0.320$0.109
每项任务价格:结构化信息提取$0.012$0.0042
智能体编程会话(输入大多命中缓存)$0.149$0.057
输出速度70 tok/s–
首次回答时间3.3 秒–

每个模型都按其排名最高的推理强度设置进行对比。Muse Wonder 得分 64.4,首个回答 token 需 3 秒;Muse Wonder (max) 为 60.8(20 秒),Muse Wonder (high) 为 56.2(13 秒)。Qwen3.6 Max (max) 得分 62.1。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 134 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 WonderQwen3.6 Max (max)
BenchLeader IndexBenchLeader64.462.1
智能体与工具得分BenchLeader75.672.1
人类偏好得分BenchLeader69.664.5
知识得分BenchLeader77.159.7
数学得分BenchLeader70.164.4
编程得分BenchLeader–55.9
指令遵循得分BenchLeader–74.7
长上下文得分BenchLeader–65.0
推理得分BenchLeader–60.8
混合价格(美元/百万 token)BenchLeader$8.00$2.92
输出速度BenchLeader70 tok/s–
首次回答时间BenchLeader3.3 秒–
上下文窗口BenchLeader1,048,576 token262,144 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–87.4%
SimpleBenchSimpleBench–63.0%
Arena Hard PromptsArena (LMArena)1531†1481
LiveBench 2.0 ReasoningLiveBench90.6%†–
LiveBench 1.0 ReasoningLiveBench90.6%†–
GPQA Diamond (AA)Artificial Analysis–88.8%
Humanity's Last Exam (AA)Artificial Analysis50.1%†30.8%
HLE-Diamond (AA)Artificial Analysis39.0%†–
CritPtArtificial Analysis28.3%†3.7%
CritPt v2 hard subset (AA)Artificial Analysis50.5%†–
MysteryMechanismVals AI27.5%†–
HLE-Diamond (Scale)Scale AI SEAL37.3%–
Arena ExpertArena (LMArena)1525†1497
Mystery Game PuzzlesEpoch AI Benchmarking Hub51.0%†19.0%†
LMCAEpoch AI Benchmarking Hub56.8%42.5%
DTBenchEpoch AI Benchmarking Hub95.2%87.2%
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub–76.7%
SciCodeSciCode60.3%†–
Arena CodingArena (LMArena)1542†1510
Arena WebDevArena (LMArena)1647†1482
LiveBench 2.0 CodingLiveBench74.9%†–
LiveBench 1.0 CodingLiveBench80.7%†–
IOIVals AI66.9%†–
SWE-bench (Vals)Vals AI–72.8%
Code MigrationVals AI62.5%†–
显示全部 134 项基准测试
指标发布方Muse WonderQwen3.6 Max (max)
编程
Code Migration v1.1Vals AI72.4%†–
SWE-bench MultimodalVals AI45.6%†–
Vibe Code Bench 1-100Vals AI26.6%†–
Vibe Code Bench v1.1Vals AI83.1%†–
SWE Atlas v1.1Scale AI SEAL64.8%–
SWE Atlas v1.1: Codebase QnAScale AI SEAL73.4%–
SWE Atlas v1.1: Test WritingScale AI SEAL61.1%–
SWE Atlas v1.1: RefactoringScale AI SEAL60.0%–
SWE-Bench Pro V2Scale AI SEAL96.7%†–
SWE-Bench Pro V2 HARDScale AI SEAL90.2%†–
MirrorCodeEpoch AI Benchmarking Hub45.6%†–
CursorBenchCursor50.4%†–
WeirdML v3WeirdML15.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis52.0%†–
GameBench 2 OverallDuelLab GameBench 264.8–
GameBench 2 by reasoning settingDuelLab GameBench 254.9†–
Design Arena WebsiteDesign Arena1378†–
FrontierCode 1.1 (AA)Artificial Analysis46.5%†–
FrontierCode 2.0 (AA)Artificial Analysis27.9%†–
智能体与工具
Terminal-BenchTerminal-Bench47.0%†–
APEX-AgentsMercor66.1%†–
Arena AgentArena (LMArena)1.8†–
LiveBench Long AgenticLiveBench46.2%†–
LiveBench BrowserLiveBench60.0%†–
LiveBench Agentic CodingLiveBench62.7%†–
Terminal-Bench HardArtificial Analysis–43.9%
τ²-Bench Telecom (AA)Artificial Analysis–95.9%
HiL-BenchScale AI SEAL79.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis63.5%†–
GDPval-AA v2.1Artificial Analysis1770†–
CUA-benchVals AI7.2%†–
CyberBenchVals AI80.4%†–
Finance Agent v2Vals AI56.6%†–
Finance Agent v2.1Vals AI65.5%†–
Harvey's Legal Agent Benchmark v1.1Vals AI23.8%†–
Harvey's Legal Agent Benchmark v1Vals AI17.1%†–
Legal Research BenchVals AI50.5%†–
Tax Agent BenchVals AI36.3%†–
Terminal-Bench 2.0 (Vals)Vals AI–51.7%
Terminal-Bench 4.0 (Vals)Vals AI49.5%†–
Terminal-Bench ScienceVals AI22.9%†–
Arena Agent Task CompletionArena (LMArena)5.4†–
PostTrainBenchEpoch AI Benchmarking Hub24.2%†–
Vending-Bench 2Andon Labs9432.24254.2
AutomationBenchArtificial Analysis68.1%†–
GDP.pdf (AA)Artificial Analysis30.6%†–
Harvey LAB-AA v1.1Harvey10.0%†–
AA-Briefcase v1.1Artificial Analysis1659†–
GDPxGDPx by SemiAnalysis6.8%†–
Design Arena AgenticDesign Arena1177†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis25.7%†–
MKA (AA)Artificial Analysis47.5%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.1%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub70.7%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub99.4%†91.1%
ProofBenchVals AI84.0%–
LiveBench MathematicsLiveBench96.5%†–
Arena MathsArena (LMArena)1490†1471
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–52.0%
LiveBench 2.0 Data AnalysisLiveBench81.6%†–
LiveBench ResearchLiveBench93.0%†–
LiveBench 1.0 Data AnalysisLiveBench81.6%†–
AA-Omniscience v1.1Artificial Analysis25.1†–
CorpFinVals AI–66.5%
PRBench FinanceScale AI SEAL58.7%–
PRBench LegalScale AI SEAL58.4%–
BioMysteryBenchVals AI67.0%†–
CaseLaw v2Vals AI–47.9%
Excel Modeling BenchmarkVals AI67.1%†–
Excel Modeling Benchmark v1.1Vals AI72.5%†–
Public Benefits Bench v1.1Vals AI70.2%†–
Access to Justice BenchmarkVals AI73.0%†–
Financial Coaching BenchVals AI73.8%†–
Immigration BenchVals AI69.6%†–
EBR-benchEpoch AI Benchmarking Hub31.4%†–
GDP.pdfEpoch AI Benchmarking Hub30.8%†–
AA-Omniscience v1.1: accuracyArtificial Analysis38.0%†–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis79.1%†–
指令遵循
LiveBench LanguageLiveBench82.9%†–
LiveBench Instruction FollowingLiveBench73.0%†–
IFBenchArtificial Analysis–76.6%
Arena Instruction FollowingArena (LMArena)1498†1451
人类偏好
Arena TextArena (LMArena)1511†1460
EQ-Bench 4EQ-Bench1325–
EQ-Bench Creative Writing v3EQ-Bench2007–
Arena Creative WritingArena (LMArena)1491†1438
Arena Multi-turnArena (LMArena)1525†1466
Arena Longer QueriesArena (LMArena)1507†1473
多模态
LiveBench DesignLiveBench70.9%†–
MMMU-ProArtificial Analysis83.8%†–
Humanity's Sixth SenseScale AI SEAL43.7%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub31.7%–
Furniture AssemblyEpoch AI Benchmarking Hub54.2%†–
VIALS-AAHandshake AI55.3%†–
Code2Video-AAArtificial Analysis997†–
长上下文
AA-LCR v1.1Artificial Analysis80.7%†80.7%
MLCRArtificial Analysis22.2%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub161.7149.8
LiveBench 2.0LiveBench70.7%†–
LiveBench 1.0LiveBench81.2%†–
AA Intelligence Index v5.0.1Artificial Analysis43.6†–
AA Intelligence Index v4.3.2Artificial Analysis52.4†28.4
AA Progress Index v1Artificial Analysis335.8†297.1
Vals IndexVals AI64.9†–
Vals Finance IndexVals AI61.2%†–
Vals Science IndexVals AI39.1%†–
Vals Router IndexVals AI64.9%–
Vals Legal IndexVals AI75.3%†–
安全与诚实
DistressBenchScale AI SEAL85.9%–

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 Wonder:BenchLeader Index 63.0 → 64.4。
  • Muse Wonder:BenchLeader Index 63.5 → 63.0。
  • Qwen3.6 Max (max):BenchLeader Index 62.8 → 62.3。
  • Muse Wonder:1 项新结果(Blueprint-Bench 2)。
  • Muse Wonder:BenchLeader Index 64.3 → 63.5。
  • Muse Wonder:5 项分数修订。
  • Muse Wonder:1 项分数修订。
  • Muse Wonder:1 项新结果(Startrise Frontend)。
  • Qwen3.6 Max (max):1 项新结果(AA Progress Index v1)。
  • Muse Wonder:3 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 Wonder vs Qwen3.6 Max:常见问题

Muse Wonder 比 Qwen3.6 Max 更好吗?
Muse Wonder 与 Qwen3.6 Max (max) 的质量不相上下(64.4 比 62.1,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。
Muse Wonder 和 Qwen3.6 Max 哪个更便宜?价格会变吗?
目前 Qwen3.6 Max 更便宜:每百万 token $2.92 比 $8.00(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。
智能体和工具调用用 Muse Wonder 还是 Qwen3.6 Max 更好?
Muse Wonder 在智能体任务方面得分更高(类别得分 76 比 72,50 为平均水平)。
处理长文档哪个更好?
Muse Wonder 支持更长的上下文:1,048,576 token,Qwen3.6 Max 为 262,144 token。
第三方基准测试对 Muse Wonder 和 Qwen3.6 Max 的看法一致吗?
在两者都有结果的 4 项基准测试中,Muse Wonder 领先 4 项,Qwen3.6 Max 领先 0 项。所有同时评测两者的综合评分都认为 Muse Wonder 更强。
更多问题(1)
Muse Wonder 是什么时候发布的?
Muse Wonder 于 2026年10月12日 发布。