Muse SparkvsGPT-5.4
在 7 个共同 benchmark 中，GPT-5.4 整体领先：Muse Spark 领先 2 项，GPT-5.4 领先 5 项，持平 0 项，平均分差 -5.93。
Muse Spark
Facebook AI研究实验室 · 2026-04-08 · 推理大模型
GPT-5.4
OpenAI · 2026-03-05 · 多模态大模型
Muse Spark2 项(29%)(71%)5 项GPT-5.4
评测分数
按能力类目分组，每组内按分差大小排列；共 7 项。
综合评估
GPT-5.4 领先 2/3| 评测项 | Muse Spark | GPT-5.4 | 分差 |
|---|---|---|---|
| ARC-AGI-2 | 42.5025 / 59Thinking (No Tools) | 77.107 / 59Normal (No Tools) | -34.60 |
| HLE | 583 / 156深度思考（无工具、并行） | 52.1013 / 156极高强度思考（工具） | +5.90 |
| GPQA Diamond | 89.5021 / 177Thinking (No Tools) | 92.809 / 177极高强度思考（无工具） | -3.30 |
数学推理
GPT-5.4 领先 2/2| 评测项 | Muse Spark | GPT-5.4 | 分差 |
|---|---|---|---|
| FrontierMath - Tier 4 | 14.6023 / 80Normal (No Tools) | 27.1011 / 80极高强度思考（无工具） | -12.50 |
| FrontierMath | 399 / 60Thinking (No Tools) | 47.605 / 60极高强度思考（无工具） | -8.60 |
Agent能力评测
Muse Spark 领先 1/1| 评测项 | Muse Spark | GPT-5.4 | 分差 |
|---|---|---|---|
| τ²-Bench - Telecom | 9220 / 35Thinking (With Tools) | 64.3030 / 35Normal (With Tools) | +27.70 |
AI Agent - 工具使用
GPT-5.4 领先 1/1| 评测项 | Muse Spark | GPT-5.4 | 分差 |
|---|---|---|---|
| Terminal Bench 2.0 | 5924 / 46Thinking (With Tools) | 75.104 / 46极高强度思考（工具） | -16.10 |
规格对比
| 字段 | Muse Spark | GPT-5.4 |
|---|---|---|
| 发布机构 | Facebook AI研究实验室 | OpenAI |
| 发布时间 | 2026-04-08 | 2026-03-05 |
| 模型类型 | 推理大模型 | 多模态大模型 |
| 架构 | 稠密模型 | 稠密模型 |
| 参数规模 | 暂无数据 | 暂无数据 |
| 上下文长度 | 262K | 1M |
| 最大输出 | 暂无数据 | 128000 |
API 调用价格
价格优先使用 DataLearner 配置的 API 记录；缺失项不做推测。
| 价格项 | Muse Spark | GPT-5.4 |
|---|---|---|
| 文本输入 | 暂无公开价格 | $2.5 / 1M tokens |
| 文本输出 | 暂无公开价格 | $15 / 1M tokens |
| 缓存写入 | 暂无公开价格 | $0.25 / 1M tokens |
部分模型公开价格不完整，缺失字段按"暂无公开价格"展示。
小结
- Muse Spark在以下类目领先:Agent能力评测 (1/1)
- GPT-5.4在以下类目领先:综合评估 (2/3)、数学推理 (2/2)、AI Agent - 工具使用 (1/1)
7 个共同 benchmark 上，GPT-5.4 平均高出 5.93 分。
单项差距最大的 benchmark：ARC-AGI-2 — Muse Spark 42.50，GPT-5.4 77.10（分差 -34.60）。
本页正文由结构化模型、价格与 benchmark 数据生成，不使用实时 LLM 撰写。