BenchLeader

Muse Spark 1.2

推理强度
质量第 30 / 339 名
61.5Index
前 10%
较中位数 +11.3
价格第 173 / 255 名
$2.00每百万 token
比多数贵
中位数的 2.4 倍
速度第 12 / 216 名
208token/秒
前 10%
中位数的 2.5 倍
性价比第 170 / 255 名
30.8分/$
低于中位数
中位数的 0.6 倍

性价比更高: Gemini 3.7 Flash $1.50/M 即可获得 Index 62.1,便宜 25%。

截至 2026年11月16日,Muse Spark 1.2(Meta)在 BenchLeader Index 上得分 61.5(在 608 个已排名配置中前 100 名)。表现最好的是人类偏好(69),最弱的是编程(55)。API 价格为输入每百万 token $1.25、输出每百万 token $4.25(按 3:1 混合为 $2.00),为 2026年11月16日的标价。输出速度约为 210 token/秒(Artificial Analysis)。发布于 2026年8月5日。

要点(截至 2026年11月16日)

  • Muse Spark 1.2 的 API 价格为输入每百万 token $1.25、输出每百万 token $4.25(按 3:1 混合为 $2.00)(标价,2026年11月16日)。
  • Muse Spark 1.2 的输出速度约为 210 token/秒(Artificial Analysis,2026年11月16日)。
  • Muse Spark 1.2 于 2026年8月5日发布(Meta)。

详细说明:Muse Spark 1.2 是 Meta 的闭源推理模型,发布于 2026年8月5日。其最佳配置(推理强度 xhigh)在 BenchLeader Index 上得分 61.5 ±5.0,在 608 个配置中排第 64 名,处于上半区。关键在于这个“±”:另有 205 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,人类偏好得分最高(69),编程最低(55)。按混合价格计,每百万 token $2.00,比大多数已排名模型贵。输出速度为 208 token/秒,首次回答需 11.4 秒,位于最快的四分之一。它已在 4 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$2.00/M
输入 $1.25 · 输出 $4.25
来源:Artificial Analysis
输出速度
208 tok/s
由 Artificial Analysis 测量
首次回答
11 s
首 token 2.94 s
上下文
1.0M
来源:models.dev
完整回答
24 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2026年8月5日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index62
  2. 推理68
  3. 编程55
  4. 智能体与工具55
  5. 数学67
  6. 知识65
  7. 人类偏好69
  8. 多模态65
  9. 长上下文64

嵌入这个排名

更多徽章样式
[![Muse Spark 1.2 on BenchLeader: 综合第 30 名](https://www.benchleader.com/badge/muse-spark-1-2.svg?style=compact)](https://www.benchleader.com/models/muse-spark-1-2)

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。

Meta 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 1.32026年9月2日61.6#63
Muse Spark 1.2xhigh本页2026年8月5日61.5#64
Muse Spark 1.12026年7月9日62.2#51
Muse Spark2026年4月8日64.2#29

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
minimal––160 tok/s2.94 s$0.0018
medium––160 tok/s2.94 s$0.0018
xhigh最佳61.5#64208 tok/s11 s$0.0018智能体与工具 55 · 编程 55 · 人类偏好 69 · 知识 65 · 长上下文 64 · 数学 67 · 多模态 65 · 推理 68
未说明––160 tok/s2.94 s$0.0018智能体与工具 44 · 数学 51 · 推理 66

Index 走势

2026年9月8日 至 2026年11月16日
566268

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xhigh默认来源趋势
SimpleBench推理强度未说明–74.5%#20SimpleBench
Arena Hard Prompts1514#16–Arena (LMArena)
LiveBench 1.0 Reasoning不计入 Index90.0%#14–LiveBench
GPQA Diamond (AA)不计入 Index90.4%#62–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index45.5%#57–Artificial Analysis
CritPt不计入 Index17.7%#85–Artificial Analysis
Arena Expert不计入 Index1503#42–Arena (LMArena)
Chess Puzzles不计入 Index27.0%#77–Epoch AI Benchmarking Hub
LMCA不计入 Index48.4%#83–Epoch AI Benchmarking Hub
DTBench不计入 Index94.7%#57–Epoch AI Benchmarking Hub

编程

基准测试minimalmediumxhigh默认来源趋势
SciCode––57.4%#35–SciCode
WeirdML––60.3%#50–WeirdML
Arena Coding––1542#11–Arena (LMArena)
Arena WebDev––1534#58–Arena (LMArena)
LiveBench 1.0 Coding不计入 Index––77.5%#37–LiveBench
SciCode (AA)不计入 Index––57.4%#34–Artificial Analysis
IOI––21.8%#43–Vals AI
SWE-bench (Vals)不计入 Index––86.6%#13–Vals AI
Code Migration不计入 Index––29.9%#43–Vals AI
ProgramBench不计入 Index––0.5%#19–Vals AI
Vibe Code Bench v1.1不计入 Index––79.1%#35–Vals AI
DeepSWE v1.1不计入 Index––54.9%#38–Epoch AI Benchmarking Hub
FrontierSWE不计入 Index––12.0%#21–Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index––7.1%#125–Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index––80.2%#45–Artificial Analysis
Startrise Frontend不计入 Index推理强度未说明–––70.3%#18Startrise
GameBench 2 Overall不计入 Index跨设置–––51.5#32DuelLab GameBench 2
GameBench 2 by reasoning setting不计入 Index40.4#13357.3#7156.9#73–DuelLab GameBench 2
Design Arena Website不计入 Index推理强度未说明–––1309#18Design Arena

智能体与工具

基准测试xhigh默认来源趋势
APEX-Agents推理强度未说明–45.4%#46Mercor
Arena Agent-8.2#50–Arena (LMArena)
LiveBench Agentic Coding不计入 Index57.6%#20–LiveBench
Terminal-Bench 2.1 (Vals)69.7%#28–Vals AI
GDPval-AA v2.1不计入 Index1478#64–Artificial Analysis
τ³-Banking (AA)34.9%#50–Artificial Analysis
CyberBench不计入 Index69.5%#22–Vals AI
Finance Agent v2不计入 Index60.6%#4–Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index25.4%#1–Vals AI
Legal Research Bench不计入 Index43.8%#27–Vals AI
SkillsBench不计入 Index53.0%#17–Vals AI
SREBench不计入 Index0.0%#33–Vals AI
Tax Agent Bench不计入 Index32.8%#22–Vals AI
Terminal-Bench 4.0 (Vals)不计入 Index6.1%#51–Vals AI
Arena Agent Task Completion不计入 Index-9.8#45–Arena (LMArena)
AutomationBench不计入 Index40.6%#128–Artificial Analysis
GDP.pdf (AA)不计入 Index17.4%#106–Artificial Analysis
EnterpriseOps-Gym不计入 Index47.3%#9–Artificial Analysis
AA-Briefcase v1.1不计入 Index1323#92–Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明–1185#41Design Arena

数学

基准测试xhigh默认来源趋势
ProofBench推理强度未说明–43.0%#39Vals AI
LiveBench Mathematics不计入 Index91.2%#31–LiveBench
Arena Maths1486#32–Arena (LMArena)

知识

基准测试xhigh默认来源趋势
SimpleQA Verified60.3%#19–Epoch AI Benchmarking Hub
LiveBench 1.0 Data Analysis不计入 Index76.5%#33–LiveBench
MMLU-Pro88.3%#20–Vals AI
LegalBench85.3%#23–Vals AI
CorpFin70.9%#5–Vals AI
TaxEval80.4%#1–Vals AI
BioMysteryBench不计入 Index64.8%#24–Vals AI
Excel Modeling Benchmark不计入 Index57.0%#44–Vals AI
MedCode不计入 Index49.4%#24–Vals AI
MedScribe不计入 Index90.1%#5–Vals AI
Public Benefits Bench v1.1不计入 Index68.5%#11–Vals AI
Financial Coaching Bench不计入 Index75.7%#2–Vals AI
Immigration Bench不计入 Index66.5%#15–Vals AI
GDP.pdf不计入 Index16.0%#3812.0%#48Epoch AI Benchmarking Hub

指令遵循

基准测试xhigh来源趋势
LiveBench Language不计入 Index78.6%#38LiveBench
LiveBench Instruction Following不计入 Index74.3%#11LiveBench
Arena Instruction Following不计入 Index1479#26Arena (LMArena)

人类偏好

基准测试xhigh默认来源趋势
Arena Text1493#13–Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1842#20EQ-Bench
Arena Creative Writing不计入 Index1443#55–Arena (LMArena)
Arena Multi-turn不计入 Index1510#8–Arena (LMArena)
Arena Longer Queries不计入 Index1491#28–Arena (LMArena)

多模态

基准测试xhigh来源趋势
Arena Vision1305#16Arena (LMArena)
MMMU-Pro (Vals)不计入 Index86.1%#22Vals AI
MortgageTax不计入 Index65.4%#41Vals AI
Humanity's Sixth Sense不计入 Index24.5%#30Scale AI SEAL

长上下文

基准测试xhigh来源趋势
AA-LCR v1.179.0%#120Artificial Analysis
MLCR不计入 Index7.2%#145Artificial Analysis

综合

基准测试xhigh默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明–155.0#44Epoch AI Benchmarking Hub
LiveBench 1.0不计入 Index78.0%#20–LiveBench
AA Intelligence Index v4.3.2不计入 Index39.6#72–Artificial Analysis
AA Progress Index v1不计入 Index309.1#99–Artificial Analysis
Vals Multimodal Index不计入 Index推理强度未说明–69.8%#6Vals AI

安全与诚实

基准测试默认来源趋势
DistressBench不计入 Index88.4%#1Scale AI SEAL

GameBench 2 Overall: 51.5. GameBench 2, best reasoning setting (Medium): 57.3. 仅供参考,不计入 BenchLeader Index。

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.

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。

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Meta162 tok/s2.94 s$1.25$4.251.0M–

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.150。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0018$0.001412.8 s
总结一份 30 页的报告12,000 / 600$0.018$0.007714.3 s
代码编辑6,000 / 1,500$0.014$0.008918.6 s
智能体编程会话60,000 / 4,000$0.092$0.04330.6 s
结构化信息提取2,000 / 200$0.0034$0.001712.3 s

Meta 的更多模型

本月新上线

将 Muse Spark 1.2 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Muse Spark 1.2 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。

[![Muse Spark 1.2 on BenchLeader: 综合第 30 名](https://www.benchleader.com/badge/muse-spark-1-2.svg)](https://www.benchleader.com/models/muse-spark-1-2)

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 1.2 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/muse-spark-1-2

BibTeX:

@misc{benchleader_muse_spark_1_2_20261116,
  author       = {{BenchLeader}},
  title        = {{Muse Spark 1.2 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/muse-spark-1-2}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Muse Spark 1.2 的基准测试得分是多少?
截至 2026年11月16日,Muse Spark 1.2(推理强度 xhigh)的 BenchLeader Index 为 61.5 ±5.0(前 100 名)。最强的是人类偏好(69),最弱的是编程(55)。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 1.2 排名第几?
截至 2026年11月16日,Muse Spark 1.2(推理强度 xhigh)在 608 个已排名配置中排第 64 名(前 100 名)。另有 205 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 1.2 每百万 token 的价格是多少?
截至 2026年11月16日,Muse Spark 1.2 的价格为输入每百万 token $1.25、输出每百万 token $4.25,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $2.00。
Muse Spark 1.2 比 Muse Spark 1.3 更好吗?
截至 2026年11月16日,Muse Spark 1.2(推理强度 xhigh)与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 61.5 比 61.6,在 ±9.6 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 1.2 是什么时候发布的?
Meta 于 2026年8月5日发布了 Muse Spark 1.2。BenchLeader 收录了它在 4 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Muse Spark 1.2: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-1-2。