MiniMax M3 对比 Muse Spark 1.2：4 倍价格差距对决基准测试的全面横扫

MiniMax M3在我们目录中每百万输入 token 的价格为 0.30 美元。Muse Spark 1.2的价格是 1.25 美元。输入侧相差 4.2 倍，输出侧相差 3.5 倍，而这是关于这对组合最有用的一个事实，因为在同一批目录页面上，两款模型共享的每一行基准测试中，Muse Spark 1.2 都领先于 MiniMax M3。一个是廉价的开放权重选项，拥有供应商保证的 512K 可用上下文和 512K 输出上限。另一个是 Meta 的推理模型检查点，如今已落后于其自身家族整整一代，却仍在几乎所有方面得分更高。本页余下的内容讨论的是：这两个事实中究竟哪一个才真正决定了一个工作负载——而答案并非对每个工作负载都一样。

这些模型各自实际上究竟是什么

这两款产品都是今年推出的，而且都不是新品。这一点很重要，因为一篇对比页面如果写得好像其中任何一款才刚刚发布，那它不出一个月就会显得过时。

MiniMax M3 是 MiniMax 自家发布的模型，于 2026-06-01 在该厂商的博客上公布，标题为“MiniMax M3：前沿级编程、1M 上下文、原生多模态——集于一个模型”。文章开头直截了当地写道：“MiniMax M3 今日正式发布。”MiniMax 对它的三项主张是：它在编程和智能体任务上达到前沿级性能；它采用了 MSA（MiniMax Sparse Attention），这是该公司提出的一种全新注意力架构；以及它原生支持多模态——可接受图像和视频输入，并且用 MiniMax 的话说，“能够操作桌面计算机”。MiniMax 还补充说，这三项能力对闭源前沿模型而言已是基本门槛，而 M3 是“首个也是唯一一个将这三点集于一身的开放权重模型”。我们的目录将该模型列为自 2026-05-31 起可用，比博客发布日期早一天。

Muse Spark 1.2 是 Meta 的。我们的目录将其日期标注为 2026-08-05。它并非新的层级——而是在 Muse Spark 1.1 基础上更新的检查点，性能略有提升，并以相同价格在同一 Standard 层级上提供服务，因此它是一次可直接替换的升级，而非独立产品。其显著特征在于输入形式：文本、图像、视频、音频和 PDF。输出为文本。

有一条背景信息应当放在这里，而不是埋在后面。Meta 已于 2026-09-02 将 Muse Spark 系列推进到 1.3 检查点，这使得 1.2 成为该系列自身的上一代。这件事发生在三周前，所以算不上新闻，本页也不把它当作新闻——但今天在这两者之间做选择的人应当知道，他们是在拿一个当前的 MiniMax 模型与一个已被取代的 Meta 模型作比较。

每百万词元的价格，以及一个工作负载的实际成本

公布的费率取自我们自有目录中每个模型的页面，该目录直接采用提供商的标价，未添加任何加价：

• 输入 — MiniMax M3 每 100 万 tokens 0.30 美元 vs Muse Spark 1.2 每 100 万 tokens 1.25 美元

• 输出 — MiniMax M3 每 1M $1.20，对比 Muse Spark 1.2 每 1M $4.25

• 缓存读取 — MiniMax M3 每 100 万 $0.060，对比 Muse Spark 1.2 每 100 万 $0.150

• 比率 — Muse Spark 1.2 在输入上为 4.2 倍，在输出上为 3.5 倍，在缓存读取上为 2.5 倍

那些抽象比率会在每个页面的成本计算器中变得具体。把两者都设为每月 1000 万 token、输入占比 70%——这对摘要或抽取任务来说是一种合理的负载形态，也是该估算器默认自带的设置——MiniMax M3 算出来是每月 $5.70。Muse Spark 1.2 算出来是每月 $11.30。开启提示缓存后，同一工作负载则分别约为 $4.86 和 $9.63。计算器将两者都标注为基于标价的估算值，这是恰当的提醒：实际 token 数取决于提供商的分词器。

对于廉价的工作负载，这点差距不过是咖啡钱。关键在曲线的形状，而不在绝对值：每月一亿个以输出为主的 token 的工作负载，仅在 Muse Spark 这一侧就会从三位数跨到四位数。如果成本正是促使你关注这种搭配的约束条件，那么这就是你应该根据自己的流量去建模的数字。

由于我们原样传递供应商的标价、不添加任何加价，供应商一宣布降价，当天就会反映在我们这边；而这两个型号都路由到此处——一个密钥即可覆盖两者，因此为它们相互定价无需第二份合同，也无需修改代码。

上下文窗口，以及它实际能容纳什么

这一节正是两者在规格表上最为相似、在实际使用中却最不相似的部分。

• 上下文窗口 — MiniMax M3 1,048,576 个词元 对比 Muse Spark 1.2 1,048,576 个词元

• 最大输出 — MiniMax M3 512,000 tokens 对比 Muse Spark 1.2 131,072 tokens

• 输入类型 — MiniMax M3 支持文本、图像和视频，而 Muse Spark 1.2 支持文本、图像、视频、音频和 PDF

• 输出层面 — 两者均仅输出文本

• 结构化参数 — MiniMax M3 提供 tools 和 tool_choice；Muse Spark 1.2 提供 reasoning_effort 和 structured_outputs

两个窗口都是相同的百万 token，所以“谁的上下文更多”这个问题没有赢家。最大输出那一行才是它们拉开差距的地方：MiniMax M3 的响应可达 512,000 token，大约是 Muse Spark 1.2 的 131,072 上限的四倍。如果你的工作是长文本生成——整文件重写、长篇报告、转录级别的输出——这种差异是结构性的，而不是增量式的。如果你的工作是在长输入上给出简短回答，那它无关紧要。

输入面这一行的情况恰恰相反。Muse Spark 1.2 直接接受音频和 PDF；MiniMax M3 文档中记载的输入面仅支持图像和视频。对于摄取通话录音或扫描文档的流水线而言，这两者各自需要进行的预处理量并不相同。

在 MiniMax 方面，这项上下文声明附带一条架构说明，值得明确标注为厂商自己的说法。MiniMax 将 M3 的长上下文行为归因于 MSA（MiniMax Sparse Attention），我们的目录将其描述为支持最高 100 万 token 的上下文，“并保证最低 512K”。这种最低保证的表述来自 MiniMax；我们无法指出针对它的独立测量结果，因此应将 512K 的下限视为厂商声明，而非经过测试的数字。

我们自己的网关上的延迟和吞吐量

这些是我们最能直接说明的数据，因为它们是我们自己的数字。它们涵盖截至2026-09-23的七天，描述的是我们网关上的流量，而不是供应商基准测试。

• p50 首 token 时间 — MiniMax M3 4.28 秒 对比 Muse Spark 1.2 4.82 秒

• p95 首 token 时间 — MiniMax M3 10.00 秒 vs Muse Spark 1.2 10.00 秒

• 输出速度 — MiniMax M3 289 tok/s vs Muse Spark 1.2 507 tok/s

• 错误率 — MiniMax M3 0.12% 对比 Muse Spark 1.2 0.15%

• 流量，最近 7 天 —— MiniMax M3 153.8M tokens，对比 Muse Spark 1.2 79.6M tokens

如实解读的话，情况是分裂的。在首 token 时间上，两者很接近——中位数分别为 4.28 秒和 4.82 秒，而 p95 精确到百分位都相同，为 10.00 秒，这是两者都逼近同一上限所造成的舍入假象，而非真正的持平。在输出速度上，两者则完全不在一个量级：Muse Spark 1.2 的流式输出速率约为 MiniMax M3 的 1.75 倍，这会改变用户观看长文本生成时的感受，即便总成本更高。两者的错误率差异在舍入误差范围内，且都处于低位。

流量那一行值得当作信号来读，而不是记分牌：在同样的七天里，MiniMax M3 在我们网关上的 token 吞吐量约为 Muse Spark 1.2 的两倍。这才是市场正在做出的选择，而不是基准测试所宣称的结果；而在这组对比上，两者并不一致。

将两者都路由到同一个端点之下，也是一种低成本的方式，用来弄清你的工作负载更偏好哪一个，因为故障转移意味着任一模型在提供商侧出现性能下降时，会落到一条可用路径上，而不是直接报错。

工具调用与长时程智能体工作

这是两者在测量结果上差距最大的地方，也是各种限定条件最为关键的地方。

• Terminal-Bench v2.1 — MiniMax M3 52.4 对比 Muse Spark 1.2 80.1

• tau_banking（工具使用）— MiniMax M3 12.3 对比 Muse Spark 1.2 34.8

• MCP Atlas — MiniMax M3 74.2（厂商报告）对比 Muse Spark 1.2 未测量

• BrowseComp — MiniMax M3 83.5（厂商报告）对比 Muse Spark 1.2 未测量

• OSWorld-Verified — MiniMax M3 70.0（厂商自报）对比 Muse Spark 1.2 未测量

前两行来自我们自己产品目录页面上的基准测试面板，也是两个模型唯一都填写的智能体行。二者差距不小：Muse Spark 1.2 在 tau_banking 上的成绩是 MiniMax M3 的两倍多，并在 Terminal-Bench v2.1 上领先近 28 分。如果你的工作负载是带有工具面的长时程智能体，这就是本页上最大的单项差距。

接下来的三行是 MiniMax 自己公布的数字，出自其发布博文。它们与前两行并不具备可比性——测试框架不同，也没有经过独立审计——但它们是 MiniMax M3 在这些任务上唯一公开的数据，因此若将其略去，就会低估该模型。把它们当作厂商自报数据来看即可，仅此而已。

有一处分歧值得单独用一段来说明，因为这类事情通常是对比页面会一笔带过的地方。MiniMax 的发布文章中把 M3 的 Terminal-Bench 2.1 成绩标为 66.0，且只放在一张图表图片里，没有附带数值表格。而我们目录页上独立收录的 Terminal-Bench v2.1 一行，同一模型的成绩是 52.4。两处任务名称足够接近，读者会把它们并排来看，而这两个数字相差超过 13 分。我们不打算判定其中哪一个错了：最可能的解释是测试框架或运行配置不同，而诚实的说法是，厂商自报的数字与经审核的数字并不一致，且厂商的数字更高。

参数列表讲述的是一个更小、也更实际的故事。MiniMax M3 暴露了 tools 和 tool_choice，因此工具选择可以从请求端进行引导。Muse Spark 1.2 则暴露了 reasoning_effort，因此可引导的反而是推理深度。两者都没有暴露对方的调节旋钮。如果你的应用的控制问题是“让它调用正确的函数”，那指向的是一种选择；如果问题是“让它在困难案例上思考更久”，那指向的则是另一种。

编码

编程是 MiniMax M3 的主打卖点，也是其实测差距最尴尬的地方。

• AA 编码指数 — MiniMax M3 38.7 对比 Muse Spark 1.2 72.2

• SciCode — MiniMax M3 43.1 对比 Muse Spark 1.2 57.4

• SWE-Bench Pro — MiniMax M3 59.0（厂商自报），而 Muse Spark 1.2 未测试

• KernelBench Hard — MiniMax M3 28.8（厂商报告）对比 Muse Spark 1.2 未测量

MiniMax 对 M3 的定位以编程为先——发布标题将“前沿编程”置于百万级 token 上下文和多模态之前。其自报的 SWE-Bench Pro 成绩 59.0，在厂商自家测试框架上是个相当亮眼的数字。不过，在双方都已填写的独立 Coding Index 和 SciCode 两项上，Muse Spark 1.2 以大幅优势领先，而 Coding Index 上 33 分的差距是本页第二大的，仅次于 tau_banking。

凭现有证据，没有任何诚实的方式能把 MiniMax M3 呈现为更优秀的编程模型。可以说的是，厂商自己的编程分数很高，而独立评测的分数则不高，这与上文 Terminal-Bench 的分歧如出一辙。任何以编程能力为决策依据的人，都应比发布博文中的图表更看重经过审计的数据行，并且应在自己的代码仓库上测试，而不是依赖这两者中的任何一个。

在它们真正接近的地方

三行都拒绝产生赢家，而承认这一点比硬造一个赢家更有用。

• GPQA Diamond — MiniMax M3 89.9 对 Muse Spark 1.2 90.4，0.5 分的差距，就任何实际用途而言都算平局

• p95 首 token 时间 — 过去七天里，我们网关上的两者均为 10.00 秒

• 上下文窗口与输出模态——在1,048,576个输入token和纯文本输出下相同

在研究生水平的科学推理上，这两者实际上无法区分，而这是 MiniMax M3 那个便宜得多的模型能与更昂贵模型抗衡的唯一一个推理行。在阅读综合指数时值得记住：这些模型之间的差距在不同能力上并不均匀，它集中在智能体与编程工作上，而在知识密集型多项选择上大致为零。

如果选 MiniMax M3，如果选 Muse Spark 1.2

开头段落里的两个事实会因你正在构建的东西不同而有不同的结论，所以这里给出不加含糊的区分。

• 如果每个 token 的成本是硬性约束，如果你需要超过 131,072 个 token 的长篇输出，如果你需要开放权重，如果你想无需单独流水线即可输入视频，或者如果你想以大约四分之一的输入价格进行推理密集型知识工作，那就选择 MiniMax M3——GPQA Diamond 上两者不分伯仲，而正是这一项让廉价模型有了用武之地。

• 如果你的工作负载是配备工具的长时程智能体，如果你需要经过审计的最高编码得分，如果你想要一个显式的 reasoning_effort 档位，如果你需要直接摄取音频或 PDF，或者如果你需要快速的流式输出，那就选择 Muse Spark 1.2——507 tok/s 对 289 tok/s 是肉眼可见的差异，而不是基准测试上的差异。

• 如果您还不知道该选哪一个，那么决定性的证据并不在本页面上。请将两个模型分别放到您自己的流量样本上进行测试和衡量；每个模型页面上的价格计算器会在一分钟内告诉您成本方面的情况，而上面的七日延迟数据则是性能方面最接近预览的东西。

两者都运行在同一个 API 上，价格不高于提供商标价，因此试用只是更改模型 ID，而非迁移，而且自动故障转移意味着任一提供商出现问题时，只会退化为更慢的回答，而不是服务中断。