Meta
·Released on 2026年7月16日Muse Spark 1.1 API 基准测试 价格和服务商数据
选择与 Muse Spark 1.1 对比的模型
选择一个模型后会直接打开对应的对比页面。
LLM
Muse Spark 1.1 is a multimodal reasoning model from Meta, built for agentic tasks. It accepts text, images, video, audio, and PDF documents and returns text, with a 1M-token context...
质量
#14of 112
72.0
LMSpeed 评分
分类性能
基于独立 benchmark family 的实测能力估计，不确定性单独展示。
- 覆盖
- 5 / 8
- 方法论
- V3.0
#1知识63.3暂定评分1/4 实测维度
80% 区间: 49.3–77.3
broad knowledge63.3
aa_omniscience · aa_omniscience_index / benchlm_category_knowledge · benchlm_category_knowledge
professional knowledge仅先验
factuality仅先验
retrieval open book仅先验
#2智能体61.6正式评分全站排名 #103/4 实测维度
80% 区间: 54.2–68.9
planning仅先验
tool use77.1
mcp_atlas · mcp_atlas / toolathlon · toolathlon
environment execution59.7
deep_search_qa · deep_search_qa / enterprise_ops_gym · aa_enterprise_ops_gym / gdpval_aa · benchlm_agentic_gdpval_aa / osworld · os_world2 / osworld · os_world_verified / terminalbench · benchlm_agentic_terminal_bench2
recovery reliability48
cyber_gym · cyber_gym / exploit_gym · exploit_gym / harvey_lab · aa_harvey_lab / jobbench · job_bench
#3代码58估算3/4 实测维度
80% 区间: 48.8–67.3
code generation62.8
scicode · scicode
repository engineering55.1
swe_pro · swe_pro
debugging testing仅先验
tooling quality56.2
terminalbench · benchlm_coding_terminal_bench2
#4综合推理57.5估算2/4 实测维度
80% 区间: 47.4–67.7
abstract logic仅先验
scientific causal61.5
critpt · critpt / gpqa · gpqa / hle · hle / hle · hle_no_tools
multistep constraints仅先验
evidence verification53.5
lcr · lcr / mrcr · mrcr1m
#5多模态56.5暂定评分1/4 实测维度
80% 区间: 40.4–72.6
perception ocr仅先验
document spatial56.5
charxiv · charxiv
visual reasoning仅先验
video action仅先验
暂无数据:数学多语言指令遵循
技术规格
Input and output token limits for this model, plus how it ranks on long-context understanding.
INPUT
1.0Mtokens
≈ 1.3K pages of text
OUTPUT
943.7Ktokens
8K128K1M4M
1.0M
能力
排名
擅长
表现尚可
相对落后
详细分数
更新时间: 2026年9月13日综合
2 个指标
Overall score72.0#14 / 112DeepSWE53.3#17 / 21
综合
2 个指标
基准
站内排名
分数
来源
更新时间
置信度
价格
2 个指标
输入价格$1.25/M#123 / 186输出价格$4.25/M#116 / 186
价格
2 个指标
基准
站内排名
分数
来源
更新时间
置信度
智能体
V3.021 个指标 · 正式评分
分数61.6#1080% 区间54.2–68.93/4 实测维度Agentic score76.1#24 / 77Terminal-Bench 2.080.0#10 / 53
智能体
V3.021 个指标 · 正式评分
维度与证据
规划拆解仅先验
工具调用77.1
2 个基准族 · 2 个指标
mcp_atlas · mcp_atlas · z 1.81 · q 1.00
toolathlon · toolathlon · z 3.00 · q 1.00
环境与长程执行59.7
5 个基准族 · 6 个指标
deep_search_qa · deep_search_qa · z 0.11 · q 1.00
enterprise_ops_gym · aa_enterprise_ops_gym · z 0.44 · q 1.00
gdpval_aa · benchlm_agentic_gdpval_aa · z 0.53 · q 1.00
osworld · os_world2 · z -0.30 · q 1.00
osworld · os_world_verified · z 0.80 · q 1.00
terminalbench · benchlm_agentic_terminal_bench2 · z 1.21 · q 1.00
恢复与完成可靠性48
4 个基准族 · 4 个指标
cyber_gym · cyber_gym · z -1.60 · q 1.00
exploit_gym · exploit_gym · z -2.81 · q 0.58
harvey_lab · aa_harvey_lab · z 0.58 · q 1.00
jobbench · job_bench · z 1.00 · q 1.00
基准
站内排名
分数
来源
更新时间
置信度
代码
V3.08 个指标 · 估算
分数5880% 区间48.8–67.33/4 实测维度SciCode58.8%#5 / 89Coding score56.6#34 / 87
代码
V3.08 个指标 · 估算
维度与证据
代码生成62.8
1 个基准族 · 1 个指标
scicode · scicode · z 1.53 · q 1.00
仓库工程55.1
1 个基准族 · 1 个指标
swe_pro · swe_pro · z 0.78 · q 1.00
调试与测试仅先验
工具化开发与质量56.2
1 个基准族 · 1 个指标
terminalbench · benchlm_coding_terminal_bench2 · z 0.85 · q 1.00
基准
站内排名
分数
来源
更新时间
置信度
综合推理
V3.06 个指标 · 估算
分数57.580% 区间47.4–67.72/4 实测维度GPQA89.8%#37 / 218HLE46.2%#14 / 216
综合推理
V3.06 个指标 · 估算
维度与证据
抽象逻辑仅先验
科学与因果推理61.5
3 个基准族 · 4 个指标
critpt · critpt · z 0.66 · q 1.00
gpqa · gpqa · z 0.86 · q 1.00
hle · hle · z 1.03 · q 1.00
hle · hle_no_tools · z 1.04 · q 1.00
多步约束仅先验
证据整合与验证53.5
2 个基准族 · 2 个指标
lcr · lcr · z 0.28 · q 1.00
mrcr · mrcr1m · z 0.17 · q 0.75
基准
站内排名
分数
来源
更新时间
置信度
知识
V3.011 个指标 · 暂定评分
分数63.380% 区间49.3–77.31/4 实测维度Knowledge score90.6#3 / 83HLE w/o tools52.2#3 / 22
知识
V3.011 个指标 · 暂定评分
维度与证据
广泛知识63.3
2 个基准族 · 2 个指标
aa_omniscience · aa_omniscience_index · z 1.06 · q 1.00
benchlm_category_knowledge · benchlm_category_knowledge · z 1.25 · q 1.00
专业知识仅先验
事实性仅先验
检索与开放资料运用仅先验
基准
站内排名
分数
来源
更新时间
置信度
数学
V3.00 个指标 · 暂无数据
暂无数据80% 区间30.8–69.20/4 实测维度
数学
V3.00 个指标 · 暂无数据
维度与证据
基础数学仅先验
竞赛数学仅先验
高阶证明仅先验
应用与工具辅助数学仅先验
多语言
V3.00 个指标 · 暂无数据
暂无数据80% 区间30.8–69.20/4 实测维度
多语言
V3.00 个指标 · 暂无数据
维度与证据
跨语言理解仅先验
多语言生成仅先验
推理迁移仅先验
低资源鲁棒性仅先验
多模态
V3.04 个指标 · 暂定评分
分数56.580% 区间40.4–72.61/4 实测维度Multimodal Grounded score77.5#16 / 56CharXiv88.4#8 / 30
多模态
V3.04 个指标 · 暂定评分
维度与证据
感知与 OCR仅先验
文档与空间理解56.5
1 个基准族 · 1 个指标
charxiv · charxiv · z 1.01 · q 1.00
视觉推理仅先验
视频与落地行动仅先验
基准
站内排名
分数
来源
更新时间
置信度
指令遵循
V3.00 个指标 · 暂无数据
暂无数据80% 区间30.8–69.20/4 实测维度
指令遵循
V3.00 个指标 · 暂无数据
维度与证据
约束遵循仅先验
结构化输出仅先验
新指令泛化仅先验
多轮与长指令仅先验
OpenRouter 端点
1 个端点来自 OpenRouter 的第三方端点数据，和 LMSpeed 自测数据分开展示。部分 30 分钟实时性能字段需要配置 OpenRouter API key 后同步才会出现。
| Provider endpoint | 输入 | 输出 | 1 天在线率 | 30m 延迟 | 30m 吞吐 | 上下文 / 输出 |
|---|---|---|---|---|---|---|
Meta meta | $1.25/M | $4.25/M | 100% | — | — | undefined tokens / undefined tokens |
替代方案与相似模型
GPT-5.4
gpt-5-4
OpenAI 的 GPT-5.4是语言模型，专为通用对话与文本生成任务优化。
6 个共享提供商
GPT-5.3 Codex
gpt-5-3-codex
OpenAI 的 GPT-5.3 Codex是GPT-5.3 系列的代码专精模型，专为代码生成、调试与软件开发任务优化。
6 个共享提供商
GPT-5.4 Mini
gpt-5-4-mini
OpenAI 的 GPT-5.4 Mini是GPT-5.4 系列的轻量语言模型，专为低延迟、低成本的通用对话任务优化。
6 个共享提供商
DeepSeek V4 Flash
deepseek-v4-flash
DeepSeek V4 Flash是DeepSeek V4 系列的语言模型，专为通用对话与文本生成任务优化。
6 个共享提供商
Claude Opus 4.6
claude-opus-4-6
Anthropic 的 Claude Opus 4.6是语言模型，专为通用对话与文本生成任务优化。
6 个共享提供商
Claude Sonnet 4.6
claude-sonnet-4-6
Anthropic 的 Claude Sonnet 4.6是语言模型，专为通用对话与文本生成任务优化。
6 个共享提供商