Muse Spark
截至 2026年11月16日,Muse Spark(Meta)在 BenchLeader Index 上得分 64.2(在 608 个已排名配置中前 50 名)。表现最好的是指令遵循(77),最弱的是数学(59)。发布于 2026年4月8日。
要点(截至 2026年11月16日)
- Muse Spark 于 2026年4月8日发布(Meta)。
详细说明:Muse Spark 是 Meta 的闭源推理模型,发布于 2026年4月8日。其最佳配置在 BenchLeader Index 上得分 64.2 ±3.5,在 608 个配置中排第 29 名,处于上半区。关键在于这个“±”:另有 92 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(77),数学最低(59)。最近一次测量:2026年11月11日。
- 混合价格
- –
- 输出速度
- –
- 首次回答
- –
- 上下文
- 262k
- 来源:Artificial Analysis
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年4月8日
- 综合 Index64
- 推理67
- 编程65
- 智能体与工具65
- 数学59
- 知识63
- 指令遵循77
- 人类偏好68
- 多模态64
- 长上下文64
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/muse-spark)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Meta 以这个名称发布过 4 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Muse Spark 1.3 | 2026年9月2日 | 61.6 | #63 |
| Muse Spark 1.2xhigh | 2026年8月5日 | 61.5 | #64 |
| Muse Spark 1.1 | 2026年7月9日 | 62.2 | #51 |
| Muse Spark本页 | 2026年4月8日 | 64.2 | #29 |
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 89.8%#57 | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam | 40.6%#7 | Scale AI / CAIS | |
| Arena Hard Prompts | 1506#25 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 88.4%#92 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 40.7%#95 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 89.7%#28 | Vals AI | |
| CritPt不计入 Index | 11.3%#126 | Artificial Analysis | |
| Arena Expert不计入 Index | 1491#59 | Arena (LMArena) |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| SciCode | 51.5%#111 | SciCode | |
| Arena Coding | 1529#24 | Arena (LMArena) | |
| SWE-bench (Vals)不计入 Index | 74.4%#46 | Vals AI | |
| SWE-Bench Pro | 55.0%#3 | Scale AI SEAL | |
| Vibe Code Bench v1.1不计入 Index | 19.7%#92 | Vals AI | |
| SWE-Bench Pro (private)不计入 Index | 44.7%#3 | Scale AI SEAL | |
| SWE Atlas v1.0: Codebase QnA不计入 Index | 24.2%#17 | Scale AI SEAL | |
| SWE Atlas v1.0: Test Writing不计入 Index | 31.1%#16 | Scale AI SEAL | |
| Terminal-Bench 2.1 (AA)不计入 Index | 62.2%#93 | Artificial Analysis | |
| Design Arena Website不计入 Index | 1253#57 | Design Arena |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench Hard | 45.5%#34 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 91.5%#59 | Artificial Analysis | |
| MCP Atlas | 82.2%#12 | Scale AI SEAL | |
| GDPval-AA v2.1不计入 Index | 1006#182 | Artificial Analysis | |
| Terminal-Bench 2.0 (Vals)不计入 Index | 59.5%#7 | Vals AI | |
| AA-Briefcase v1.1不计入 Index | 646#208 | Artificial Analysis |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 88.9%#85 | Epoch AI Benchmarking Hub | |
| ProofBench | 17.0%#59 | Vals AI | |
| AIME (Vals) | 96.9%#2 | Vals AI | |
| Arena Maths | 1469#57 | Arena (LMArena) |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro | 87.3%#30 | Vals AI | |
| LegalBench | 84.2%#38 | Vals AI | |
| CorpFin | 65.1%#34 | Vals AI | |
| TaxEval | 77.7%#3 | Vals AI | |
| PRBench Finance | 52.4%#6 | Scale AI SEAL | |
| PRBench Legal | 52.3%#7 | Scale AI SEAL | |
| MultiNRC可能存在污染 | 59.0%#5 | Scale AI SEAL | |
| CaseLaw v2不计入 Index | 63.1%#17 | Vals AI | |
| MedCode不计入 Index | 51.3%#16 | Vals AI | |
| MedScribe不计入 Index | 85.9%#24 | Vals AI |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 75.9%#24 | Artificial Analysis | |
| MultiChallenge | 75.5%#3 | Scale AI SEAL | |
| TutorBench | 68.5%#1 | Scale AI SEAL | |
| Arena Instruction Following不计入 Index | 1465#48 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1489#18 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1464#26 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1493#22 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1476#57 | Arena (LMArena) |
多模态
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Vision | 1306#14 | Arena (LMArena) | |
| MMMU-Pro | 80.5%#55 | Artificial Analysis | |
| MMMU-Pro (Vals)不计入 Index | 87.4%#16 | Vals AI |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 78.0%#137 | Artificial Analysis | |
| Arena Document不计入 Index | 1467#23 | Arena (LMArena) |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 153.1#52 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 31.3#121 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 289.1#147 | Artificial Analysis |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 20.2%#39 | Scale AI SEAL |
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
Meta 的更多模型
将 Muse Spark 与以下模型对比
- Muse Spark vs Muse Wonder
- Muse Spark vs Gemini 4 Argon
- Muse Spark vs DeepSeek V4.1 Flash 1017
- Muse Spark vs GPT-5.1
- Muse Spark vs Grok 4.7
- Muse Spark vs Step 5 Preview
- Muse Spark vs Claude Opus 5.5
- Muse Spark vs Muse Spark 1.3
- Muse Spark vs GPT-6 Astra
- Muse Spark vs GLM 5.2
- Muse Spark vs GPT-6.1 Terra
- Muse Spark vs Gemini 3.8 Flash
- Muse Spark vs Qwen3.8 Max
- Muse Spark vs Claude Sonnet 5.5
- Muse Spark vs Gemini 4 Hydrogen
- Muse Spark vs Grok 4
- Muse Spark vs GPT-5.4
- Muse Spark vs Qwen3.6 Max
- Muse Spark vs Claude Sonnet 5
- Muse Spark vs Claude Fable 5.1
- Muse Spark vs Gemini 3.1 Pro
- Muse Spark vs GPT-5.4 Pro
- Muse Spark vs Claude Fable 5
- Muse Spark vs Claude Opus 4.6
- Muse Spark vs GPT-6.1 Sol
- Muse Spark vs GLM 5 Turbo
- Muse Spark vs Kimi K3.1 Pro
- Muse Spark vs Gemini 4 Carbon
- Muse Spark vs GPT-5.5
- Muse Spark vs Claude Opus 5
- Muse Spark vs GPT-5.6 Sol
- Muse Spark vs Claude Opus 4.7
- Muse Spark vs GPT-5.3-Codex
- Muse Spark vs GPT-6 Sol
- Muse Spark vs Gemini 3.5 Flash
- Muse Spark vs Muse Spark 1.1
- Muse Spark vs Gemini 3.7 Flash
- Muse Spark vs Muse Wonder Full
- Muse Spark vs Muse Spark 1.2
- Muse Spark vs Claude Fable 5.2
另请参阅
嵌入或引用
在模型卡片或 README 中展示 Muse Spark 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/muse-spark)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Muse Spark on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/muse-spark
BibTeX:
@misc{benchleader_muse_spark_20261116,
author = {{BenchLeader}},
title = {{Muse Spark on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/muse-spark}},
note = {Data as of 2026-11-16}
}常见问题
- Muse Spark 的基准测试得分是多少?
- 截至 2026年11月16日,Muse Spark 的 BenchLeader Index 为 64.2 ±3.5(前 50 名)。最强的是指令遵循(77),最弱的是数学(59)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Muse Spark 排名第几?
- 截至 2026年11月16日,Muse Spark 在 608 个已排名配置中排第 29 名(前 50 名)。另有 92 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Muse Spark 比 Claude Sonnet 5.5 更好吗?
- 截至 2026年11月16日,Claude Sonnet 5.5(推理强度 max)与 Muse Spark 的质量不相上下(BenchLeader Index 64.2 比 64.2,在 ±4.3 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- Muse Spark 是什么时候发布的?
- Meta 于 2026年4月8日发布了 Muse Spark。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Muse Spark:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/muse-spark。