Análisis de inteligencia, rendimiento y precio de Muse Spark Open (Xhigh)

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

Probar Benchmarks de proveedores de API

Rendimiento

Tiempo hasta el primer token de respuesta 13,23sVelocidad de salida 153 tok/s

7,2

Tiempo por tarea del Intelligence Index (minutos)

Costo

Entrada 1,25 US$Salida 4,25 US$Descuento de caché 88%

$2.02

Costo por tarea del Intelligence Index

Verbosidad

Tokens de entrada 5.72BSalida/entrada 1.583%

90.6M

Tokens de salida del Intelligence Index

Muse Spark Open (Xhigh) está por encima del promedio en inteligencia, pero tiene un precio especialmente elevado en comparación con otros modelos de pesos abiertos y tamaño similar. También es más rápido que el promedio por tarea y bastante conciso. El modelo admite entrada de texto, imágenes, voz y video, genera texto y tiene una ventana de contexto de 1M tokens.

Muse Spark Open (Xhigh) obtiene 25 puntos en el Artificial Analysis Intelligence Index, lo que lo sitúa por encima del promedio entre modelos comparables (con una mediana de 23). Al evaluar el Intelligence Index, generó 90.6M tokens, lo que es bastante conciso frente a la mediana de 99.3M.

El precio de Muse Spark Open (Xhigh) es de $1.25 por 1 M de tokens de entrada (elevado; mediana: $0.50) y $4.25 por 1 M de tokens de salida (elevado; mediana: $1.85). En promedio, evaluar Muse Spark Open (Xhigh) en el Intelligence Index cuesta $2.02 por tarea.

Con 7.2 minutos por tarea del Intelligence Index, Muse Spark Open (Xhigh) es más rápido que el promedio frente a la mediana de 13.4 minutos de los modelos comparables (cuanto menor, mejor).

Razonamiento	Sí Esta página muestra la versión con razonamiento de este modelo. También puede existir una variante sin razonamiento.
Modalidad de entrada	Admite: texto, imágenes, voz y video
Modalidad de salida	Admite: texto
Ventana de contexto	1M ~1573 páginas A4 con fuente Arial de 12 puntos
Parámetros totales	816B
Parámetros activos	42B Número de parámetros activos por token durante la inferencia
Licencia	Muse Model License
Pesos del modelo	Hugging Face

Las métricas se comparan con modelos de la misma clase:

Modelos sin razonamiento → se comparan solo con otros modelos sin razonamiento
Modelos de razonamiento → se comparan tanto con modelos de razonamiento como sin razonamiento
Modelos de pesos abiertos → se comparan solo con otros modelos de pesos abiertos de la misma categoría de tamaño:

Muy pequeño: ≤4B parámetros
Pequeño: 4B–40B parámetros
Mediano: 40B–150B parámetros
Grande: >150B parámetros

Modelos propietarios → se comparan con modelos propietarios y de pesos abiertos del mismo rango de precio mediante una proporción combinada de precios de entrada/salida de 3:1:

<$0.15 por 1 M de tokens
$0.15–$1 por 1 M de tokens
>$1 por 1 M de tokens

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Tiempo por tarea

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

No publicly available API

Costo por tarea

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

No publicly available API

InteligenciaUpdated

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: pesos abiertos vs. propietarios

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. costo por tarea

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.

Índices de capacidades

Miden el rendimiento de modelos en capacidades e industrias específicas

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

Elo de AA-Briefcase

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

Puntuación neta de 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

Índices de personalidad

Cada eje es uno de los 8 índices de personalidad: la media de las puntuaciones z de Elo de sus rasgos, convertida en un rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark

Openness Index

Artificial Analysis Openness Index: puntuación

El Openness Index mide la apertura de los modelos en una escala normalizada de 0 a 100 (cuanto más alta, mayor apertura)

Uso de tokens

Tokens de salida por tarea del Intelligence Index

Promedio ponderado de tokens de salida usados para ejecutar una tarea del 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).

Costo

Costo por tarea del Intelligence Index

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

No publicly available API

Costo de ejecutar el 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).

Precios: aciertos de caché, entrada y salida

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.

Ventana de contexto

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).

Rendimiento

Medido por el tiempo por tarea (minutos), la velocidad de salida (tokens por segundo), el tiempo hasta el primer token de respuesta y el tiempo hasta el primer token (segundos)

Tiempo por tarea del 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.

Velocidad de salida

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.

Tiempo hasta el primer token de respuesta

Segundos hasta recibir el primer token de respuesta · Incluye el tiempo de «pensamiento» de los modelos de razonamiento

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.

Tamaño del modelo (solo modelos de pesos abiertos)

Tamaño del modelo: parámetros totales y activos

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.

Preguntas frecuentes

Preguntas comunes sobre Muse Spark Open (Xhigh)

Muse Spark Open (Xhigh) se lanzó el 15 de octubre de 2026.

Muse Spark Open (Xhigh) fue creado por Meta.

Muse Spark Open (Xhigh) obtiene 25 puntos en el Artificial Analysis Intelligence Index, lo que lo sitúa por encima del promedio entre otros modelos de pesos abiertos y tamaño similar (mediana: 23).

Muse Spark Open (Xhigh) tarda 7.2 minutos por tarea del Intelligence Index (según la mediana de los proveedores que sirven el modelo), un valor más rápido que el promedio frente a otros modelos de pesos abiertos y tamaño similar (mediana: 13.4 minutos; cuanto menor, mejor).

Muse Spark Open (Xhigh) tiene un tiempo hasta el primer token de respuesta de 13.23 s (según la mediana de los proveedores que sirven el modelo), un valor mejor que el promedio frente a otros modelos de pesos abiertos y tamaño similar (mediana: 19.67 s).

Muse Spark Open (Xhigh) cuesta $1.25 por 1 M de tokens de entrada (en el extremo superior; mediana: $0.50) y $4.25 por 1 M de tokens de salida (en el extremo superior; mediana: $1.85), según la mediana de los proveedores que sirven el modelo.

Muse Spark Open (Xhigh) cuesta $1.25 por 1 M de tokens de entrada y $4.25 por 1 M de tokens de salida (según la mediana de los proveedores que sirven el modelo). Con una tarifa combinada (proporción 7:2:1 entre aciertos de caché, entrada y salida), equivale a $0.78 por 1 M de tokens. El precio puede variar según el proveedor. Comparar precios de proveedores

Al evaluarlo en el Intelligence Index, Muse Spark Open (Xhigh) generó 90.6M tokens de salida, un valor menor que el promedio frente a otros modelos de pesos abiertos y tamaño similar (mediana: 99.3M).

Sí, Muse Spark Open (Xhigh) es un modelo de razonamiento. Usa pensamiento extendido o razonamiento en cadena para resolver problemas complejos antes de dar una respuesta.

Muse Spark Open (Xhigh) admite entrada de texto, imágenes, voz y video.

Muse Spark Open (Xhigh) admite salida de texto.

Sí, Muse Spark Open (Xhigh) admite imágenes como entrada y puede analizarlas, describirlas y responder preguntas sobre ellas.

Sí, Muse Spark Open (Xhigh) es multimodal. Puede procesar entradas de texto, imágenes, voz y video y generar salidas de texto.

Muse Spark Open (Xhigh) tiene una ventana de contexto de 1M tokens. Esto determina cuánto texto e historial de conversación puede procesar el modelo en una sola solicitud.

Sí, Muse Spark Open (Xhigh) es un modelo de pesos abiertos. Los pesos del modelo están disponibles públicamente y pueden descargarse para alojarlo por cuenta propia.

Muse Spark Open (Xhigh) tiene 816 mil millones de parámetros (42 mil millones activos).

Muse Spark Open (Xhigh) es un modelo de mezcla de expertos (MoE) con 816 mil millones de parámetros totales, pero durante la inferencia solo usa 42 mil millones de parámetros activos.

Muse Spark Open (Xhigh) se publica bajo la licencia Muse Model License. El uso comercial está permitido con restricciones. Ver licencia

Muse Spark Open (Xhigh) obtiene 25 puntos en el Artificial Analysis Intelligence Index. Este benchmark compuesto evalúa los modelos en trabajo del conocimiento, programación, ciencia y conocimiento general.

Sí, Muse Spark Open (Xhigh) está disponible mediante API a través de 6 proveedores. Comparar proveedores de API

Muse Spark Open (Xhigh) está disponible a través de 6 proveedores de API. Comparar proveedores

Análisis de inteligencia, rendimiento y precio de Muse Spark Open (Xhigh)

Resumen del modelo

InteligenciaUpdated

Resumen comparativo

Especificaciones técnicas

128 modelos en esta clase

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1

Elo de AA-Briefcase

AA-Briefcase Elo

AA-Omniscience v1.1

Puntuación neta de AA-Omniscience

AA-Omniscience Net Score

AA-PersonalityBenchNew

Índices de personalidad

Openness Index

Artificial Analysis Openness Index: puntuación

Uso de tokens

Tokens de salida por tarea del Intelligence Index

Output Tokens per Intelligence Index Task

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Costo de ejecutar el Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Precios: aciertos de caché, entrada y salida

Cache Hit

Ventana de contexto

Ventana de contexto

Context Window for RAG

Context Window

Rendimiento

Tiempo por tarea del Intelligence Index

Time per Intelligence Index Task

Time Period

Velocidad de salida

End-to-End Output Speed

Tiempo hasta el primer token de respuesta

Time to First Answer Token

Tamaño del modelo (solo modelos de pesos abiertos)

Tamaño del modelo: parámetros totales y activos

Total Parameters

Active Parameters at Inference Time

Preguntas frecuentes

¿Cuándo se lanzó Muse Spark Open (Xhigh)?

¿Quién creó Muse Spark Open (Xhigh)?

¿Qué tan inteligente es Muse Spark Open (Xhigh)?

¿Qué tan rápido es Muse Spark Open (Xhigh)?

¿Cuál es la latencia de Muse Spark Open (Xhigh)?

¿Cuánto cuesta Muse Spark Open (Xhigh)?

¿Cuál es el precio de la API de Muse Spark Open (Xhigh)?

¿Qué tan verboso es Muse Spark Open (Xhigh)?

¿Muse Spark Open (Xhigh) es un modelo de razonamiento?

¿Qué modalidades de entrada admite Muse Spark Open (Xhigh)?

¿Qué modalidades de salida admite Muse Spark Open (Xhigh)?

¿Muse Spark Open (Xhigh) puede procesar imágenes?

¿Muse Spark Open (Xhigh) es multimodal?

¿Cuál es la ventana de contexto de Muse Spark Open (Xhigh)?

¿Muse Spark Open (Xhigh) es de código abierto?

¿Cuántos parámetros tiene Muse Spark Open (Xhigh)?

¿Cuáles son los parámetros activos de Muse Spark Open (Xhigh)?

¿Qué licencia tiene Muse Spark Open (Xhigh)?

¿Cómo rinde Muse Spark Open (Xhigh) en los benchmarks?

¿Muse Spark Open (Xhigh) está disponible mediante API?

¿Dónde puedo usar Muse Spark Open (Xhigh)?