自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 2 个模型的评测数据与核心参数。
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: 数学推理 +10.6 / 相对落后: Agent能力评测 -10.4
相对优势: Agent能力评测 +10.4 / 相对落后: 数学推理 -10.6
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
GPT-5.4 · 67.66
单项最高
GPT-5.4 · τ²-Bench - Telecom 98.90
模态覆盖
Muse Spark · 4 种模态
正面对比
8
评测基准
7
领先项
1
落后项
+9.01
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
8 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | GPT-5.4 | Muse Spark |
|---|---|---|
ARC-AGI-2 综合评估 | 77.10常规模式 | 42.50开启思考 |
GPQA Diamond 综合评估 | 92.80思考水平·极高 | 89.50开启思考 |
HLE 综合评估 | 52.10思考水平·极高 ｜ 工具 | 50.40开启思考 ｜ 工具 |
FrontierMath 数学推理 | 47.60思考水平·极高 | 39.00开启思考 |
27.10思考水平·极高 | 14.60常规模式 | |
τ²-Bench - Telecom Agent能力评测 | 98.90思考水平·极高 ｜ 工具 | 92.00开启思考 ｜ 工具 |
MCP-Atlas AI Agent - 工具使用 | 70.60思考水平·极高 ｜ 工具 | 82.20常规模式 ｜ 工具 |
Terminal Bench 2.0 AI Agent - 工具使用 | 75.10思考水平·极高 ｜ 工具 | 59.00开启思考 ｜ 工具 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | GPT-5.4OpenAI | Muse SparkFacebook AI研究实验室 |
|---|---|---|
核心规格发布时间 | 2026-03-05 | 2026-04-08 |
上下文 | 1M | 262K |
最大输出 | 128000 | 未提供 |
MoE 架构 | 不支持 | 不支持 |
开源与许可代码开源 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 |
商业授权 | 不开源 | 不开源 |
模态支持文本 输入/输出 | / | / |
图片 输入/输出 | / | / |
音频 输入/输出 | 未提供 | / |
视频 输入/输出 | 未提供 | / |
资料来源论文 / 报告 | Introducing GPT‑5.4 | Introducing Muse Spark: Scaling Towards Personal Superintelligence |
Muse Spark
Facebook AI研究实验室
