Muse Spark Open (Xhigh): Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Ausprobieren Benchmarks der API-Anbieter

Leistung

Zeit bis zum ersten Antworttoken 13,81sAusgabegeschwindigkeit 153 tok/s

7,3

Zeit pro Aufgabe des Intelligence Index (Minuten)

Kosten

Eingabe 1,25 $Ausgabe 4,25 $Cache-Rabatt 88%

$2.02

Kosten pro Aufgabe des Intelligence Index

Ausführlichkeit

Eingabe-Token 5.72BAusgabe/Eingabe 1.583%

90.6M

Ausgabetokens im Intelligence Index

Muse Spark Open (Xhigh) zählt bei der Intelligenz zu den überdurchschnittlichen Modellen, ist aber besonders teuer im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe. Das Modell ist außerdem schneller als der Durchschnitt pro Aufgabe und antwortet recht knapp. Das Modell unterstützt Text, Bilder, Sprache und Video als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 1M Tokens.

Muse Spark Open (Xhigh) erzielt im Artificial Analysis Intelligence Index einen Wert von 25 und liegt damit über dem Durchschnitt der vergleichbaren Modelle (Median: 23). Bei der Evaluation des Intelligence Index erzeugte es 90.6M Tokens und antwortete damit recht knapp im Vergleich zum Median von 99.3M.

Der Preis für Muse Spark Open (Xhigh) beträgt $1.25 pro 1 Mio. Eingabetokens (teuer; Median: $0.50) und $4.25 pro 1 Mio. Ausgabetokens (teuer; Median: $1.85). Im Durchschnitt kostet die Evaluation von Muse Spark Open (Xhigh) im Intelligence Index $2.02 pro Aufgabe.

Mit 7.3 Minuten pro Aufgabe des Intelligence Index ist Muse Spark Open (Xhigh) schneller als der Durchschnitt im Vergleich zum Median vergleichbarer Modelle von 13.3 Minuten (niedriger ist besser).

Reasoning	Ja Diese Seite zeigt die Reasoning-Version dieses Modells. Möglicherweise gibt es auch eine Variante ohne Reasoning.
Eingabemodalität	Unterstützt: Text, Bilder, Sprache und Video
Ausgabemodalität	Unterstützt: Text
Kontextfenster	1M ~1573 A4-Seiten in Arial mit Schriftgröße 12
Gesamtparameter	816B
Aktive Parameter	42B Anzahl der pro Token während der Inferenz aktiven Parameter
Lizenz	Muse Model License
Modellgewichte	Hugging Face

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Zeit pro Aufgabe

Inference time (minutes) per Intelligence Index task · Lower is better

No publicly available API

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

No publicly available API

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

No publicly available API

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

No publicly available API

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. Kosten pro Aufgabe

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Fähigkeitsindizes

Misst die Leistung von Modellen bei bestimmten Fähigkeiten und in bestimmten Branchen

Artificial Analysis Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

No publicly available API

Benchmarks

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

No publicly available API

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 AccuracyUpdated

Knowledge

AA-Omniscience v1.1 Non-Hallucination RateUpdated

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 2.0New

Agentic software engineering in open-source repositories

HLE-DiamondNew

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

AA-3DNew

Agentic interactive 3D experiences, Elo

Code2Video-AANew

Product and brand videos designed in code, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AAUpdated

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1

AA-Briefcase-Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

No publicly available API

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience v1.1

Netto-Score von AA-Omniscience

AA-Omniscience v1.1 Net Score (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

No publicly available API

AA-PersonalityBenchNew

Persönlichkeitsindizes

Jede Achse ist einer von 8 Persönlichkeitsindizes: der Mittelwert der Elo-z-Werte seiner Merkmale, als Perzentilrang von 1 bis 100 über alle im Benchmark bewerteten Modelle

Openness Index

Artificial Analysis Openness Index: Wert

Der Openness Index bewertet die Offenheit von Modellen auf einer normierten Skala von 0 bis 100 (höher bedeutet offener)

Tokenverbrauch

Ausgabe-Token pro Aufgabe des Intelligence Index

Gewichtete durchschnittliche Anzahl an Ausgabe-Token für eine Aufgabe im Artificial Analysis Intelligence Index

No publicly available API

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

Kosten

Kosten pro Aufgabe des Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

No publicly available API

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

No publicly available API

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Preise: Cache-Treffer, Eingabe und Ausgabe

Price (USD per M Tokens)

No publicly available API

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Kontextfenster

Context window: tokens limit · Higher is better

No publicly available API

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Leistung

Gemessen an der Zeit pro Aufgabe (Minuten), der Ausgabegeschwindigkeit (Tokens pro Sekunde), der Zeit bis zum ersten Antworttoken und der Zeit bis zum ersten Token (Sekunden)

Zeit pro Aufgabe des Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

No publicly available API

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Ausgabegeschwindigkeit

Output tokens divided by total request time, including time to first token · Higher is better

No publicly available API

Output tokens, including reasoning tokens, received per second over a request's full duration, from sending the request to receiving the final token. The headline value averages each Performance v3 workload over the past 5 days, then averages the workloads.

Zeit bis zum ersten Antworttoken

Sekunden bis zum ersten Antworttoken · Berücksichtigt die „Denkzeit“ von Reasoning-Modellen

No publicly available API

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Häufig gestellte Fragen

Häufige Fragen zu Muse Spark Open (Xhigh)

Muse Spark Open (Xhigh) wurde am 15. Oktober 2026 veröffentlicht.

Muse Spark Open (Xhigh) wurde von Meta entwickelt.

Muse Spark Open (Xhigh) erzielt im Artificial Analysis Intelligence Index einen Wert von 25 und liegt damit im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe über dem Durchschnitt (Median: 23).

Muse Spark Open (Xhigh) benötigt 7.3 Minuten pro Aufgabe des Intelligence Index (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Dies ist schneller als der Durchschnitt im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe (Median: 13.3 Minuten; niedriger ist besser).

Muse Spark Open (Xhigh) hat eine Zeit bis zum ersten Antworttoken von 13.81 s (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Dies ist besser als der Durchschnitt im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe (Median: 22.33 s).

Muse Spark Open (Xhigh) kostet $1.25 pro 1 Mio. Eingabetokens (am oberen Ende; Median: $0.50) und $4.25 pro 1 Mio. Ausgabetokens (am oberen Ende; Median: $1.85). Die Angaben basieren auf dem Median aller Anbieter, die das Modell bereitstellen.

Muse Spark Open (Xhigh) kostet $1.25 pro 1 Mio. Eingabetokens und $4.25 pro 1 Mio. Ausgabetokens (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Bei einem Mischpreis mit einem Verhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe entspricht dies $0.78 pro 1 Mio. Tokens. Der Preis kann je nach Anbieter variieren. Preise der Anbieter vergleichen

Bei der Evaluation des Intelligence Index erzeugte Muse Spark Open (Xhigh) 90.6M Ausgabetokens. Dies ist besser als der Durchschnitt im Vergleich zu anderen Modellen mit offenen Gewichten ähnlicher Größe (Median: 99.3M).

Ja, Muse Spark Open (Xhigh) ist ein Reasoning-Modell. Es nutzt längere Denkprozesse oder Chain-of-Thought-Reasoning, um komplexe Probleme zu bearbeiten, bevor es eine Antwort gibt.

Muse Spark Open (Xhigh) unterstützt Text, Bilder, Sprache und Video als Eingabe.

Muse Spark Open (Xhigh) unterstützt Text als Ausgabe.

Ja, Muse Spark Open (Xhigh) unterstützt Bildeingaben und kann Bilder analysieren, beschreiben und Fragen dazu beantworten.

Ja, Muse Spark Open (Xhigh) ist multimodal. Es kann Text, Bilder, Sprache und Video als Eingabe verarbeiten und Text als Ausgabe erzeugen.

Muse Spark Open (Xhigh) hat ein Kontextfenster von 1M Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Ja, Muse Spark Open (Xhigh) hat offene Gewichte. Die Modellgewichte sind öffentlich verfügbar und können zum Selbsthosten heruntergeladen werden.

Muse Spark Open (Xhigh) hat 816 Milliarden Parameter (42 Milliarden aktiv).

Muse Spark Open (Xhigh) ist ein Mixture-of-Experts-Modell (MoE) mit insgesamt 816 Milliarden Parametern, von denen während der Inferenz jedoch nur 42 Milliarden aktiv sind.

Muse Spark Open (Xhigh) wird unter der Lizenz Muse Model License veröffentlicht. Die kommerzielle Nutzung ist mit Einschränkungen erlaubt. Lizenz anzeigen

Muse Spark Open (Xhigh) erzielt im Artificial Analysis Intelligence Index einen Wert von 25. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Wissensarbeit, Programmierung, Wissenschaft und Allgemeinwissen.

Ja, Muse Spark Open (Xhigh) ist über 6 Anbieter per API verfügbar. API-Anbieter vergleichen

Muse Spark Open (Xhigh) ist über 6 API-Anbieter verfügbar. Anbieter vergleichen

Muse Spark Open (Xhigh): Analyse von Intelligenz, Leistung und Preis

Modellübersicht

IntelligenzUpdated

Zusammenfassung des Vergleichs

Technische Spezifikationen

128 Modelle in dieser Klasse

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: Open Weights vs. proprietär

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. Kosten pro Aufgabe

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1

AA-Briefcase-Elo

AA-Briefcase Elo

AA-Omniscience v1.1

Netto-Score von AA-Omniscience

AA-Omniscience Net Score

AA-PersonalityBenchNew

Persönlichkeitsindizes

Openness Index

Artificial Analysis Openness Index: Wert

Tokenverbrauch

Ausgabe-Token pro Aufgabe des Intelligence Index

Output Tokens per Intelligence Index Task

Kosten

Kosten pro Aufgabe des Intelligence Index

Cost per Intelligence Index Task

Kosten für die Durchführung des Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preise: Cache-Treffer, Eingabe und Ausgabe

Cache Hit

Kontextfenster

Kontextfenster

Context Window for RAG

Context Window

Leistung

Zeit pro Aufgabe des Intelligence Index

Time per Intelligence Index Task

Time Period

Ausgabegeschwindigkeit

End-to-End Output Speed

Zeit bis zum ersten Antworttoken

Time to First Answer Token

Modellgröße (nur Modelle mit offenen Gewichten)

Modellgröße: Gesamtparameter und aktive Parameter

Total Parameters

Active Parameters at Inference Time

Häufig gestellte Fragen

Wann wurde Muse Spark Open (Xhigh) veröffentlicht?

Wer hat Muse Spark Open (Xhigh) entwickelt?

Wie intelligent ist Muse Spark Open (Xhigh)?

Wie schnell ist Muse Spark Open (Xhigh)?

Wie hoch ist die Latenz von Muse Spark Open (Xhigh)?

Wie viel kostet Muse Spark Open (Xhigh)?

Wie gestaltet sich der API-Preis von Muse Spark Open (Xhigh)?

Wie ausführlich antwortet Muse Spark Open (Xhigh)?

Ist Muse Spark Open (Xhigh) ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt Muse Spark Open (Xhigh)?

Welche Ausgabemodalitäten unterstützt Muse Spark Open (Xhigh)?

Kann Muse Spark Open (Xhigh) Bilder verarbeiten?

Ist Muse Spark Open (Xhigh) multimodal?

Wie groß ist das Kontextfenster von Muse Spark Open (Xhigh)?

Hat Muse Spark Open (Xhigh) offene Gewichte?

Wie viele Parameter hat Muse Spark Open (Xhigh)?

Was sind die aktiven Parameter von Muse Spark Open (Xhigh)?

Unter welcher Lizenz steht Muse Spark Open (Xhigh)?

Wie schneidet Muse Spark Open (Xhigh) in Benchmarks ab?

Ist Muse Spark Open (Xhigh) über eine API verfügbar?

Wo kann ich Muse Spark Open (Xhigh) verwenden?