Muse Spark 1.2 vs GPT-5.6 Luna：以 4.6 倍的 Token 價格換取三個指標點

Artificial Analysis 對這兩個模型跑了同一套九項基準測試，並留下了記錄。讓 Muse Spark 1.2 跑完這套測試花費了 637.85 美元。讓 GPT-5.6 Luna 跑完這套測試花費了 174.06 美元。就這 3.7 倍的花費差異而言，Meta 的模型領先了三分——在 Intelligence Index 上以 54 比 51 勝出。這是否是一筆划算的交易，正是問題的關鍵所在，而答案與其說取決於基準測試，不如說取決於幾乎沒有人會提及的兩件事：你的代理框架如何處理提示快取，以及你的工作負載是否需要聽或看任何內容。

下方的每個數據，要不是獨立的 Artificial Analysis 測量結果，就是即時 API 列表，或是 OrcaRouter 自身的生產遙測資料——其中最後一項值得一開始就標明，因為它與基準測試數字互相矛盾，而這矛盾本身就具有啟發性。這裡沒有任何東西是偽裝成結果的廠商說法；若某處只有廠商作為唯一來源，句子中也會明確說明。

記分板上的差距，比價格標籤所暗示的要更接近

Muse Spark 1.2 在其 xhigh 推理設定下，於 Artificial Analysis Intelligence Index 獲得 54 分，在 185 個模型中排名第 13，相對於類別中位數 32。GPT-5.6 Luna 在最大努力（max effort）下獲得 51 分。這是在 GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience 和 AA-LCR 的綜合指標上相差 3 分。

三分是真的，但幅度很小，而前一代既有的子分數說明了差距來自何處。Artificial Analysis 的各維度數據顯示，Muse Spark 1.1 的程式編寫指數為 71.3，代理指數為 37.5；GPT-5.6 Luna 則分別為 71.4 和 45.6。程式編寫方面兩者不分軒輊，而 Luna 在代理任務上領先八分——這正是 Meta 改寫 1.2 產品描述時所宣稱的維度。綜合指數因此向 Meta 方向移動了三分。目前尚無人公布 1.2 的分維度細項，因此代理差距是否真的縮小仍未得到證實。

在混合令牌價格上，差距十分明顯。Artificial Analysis 的混合費率將 Muse Spark 1.2 定為每百萬個令牌 0.78 美元，而 GPT-5.6 Luna 則為 0.17 美元。標價：Muse Spark 1.2 輸入 1.25 美元，輸出 4.25 美元；Luna 輸入 0.20 美元，輸出 1.20 美元。

按工作量而非按 token 計價：一個單一編碼代理步驟讀取 60,000 個上下文 token、寫出 3,000 個輸出 token，在 Muse Spark 1.2 上花費約 8.8 美分，在 GPT-5.6 Luna 上則約 1.6 美分。每天一千個步驟，就是 88 美元對 16 美元——對單一代理迴圈而言，每年約相差 26,000 美元。

快取是差距縮小或加倍的關鍵所在

兩個模型都提供極具競爭力的快取輸入費率，且兩者之間的比率與其標價之間的比率並不相同。Muse Spark 1.2 讀取快取輸入的價格為每百萬次 0.15 美元，較其 1.25 美元的費率享有 88% 折扣。GPT-5.6 Luna 讀取快取輸入的價格為每百萬次 0.01 美元，較 0.20 美元享有 95% 折扣。

以熱快取執行同一個 agent 步驟，使用 60,000 個 token 的前綴：Muse Spark 1.2 從 8.8 美分降至約 2.2 美分。Luna 從 1.6 美分降至約 0.4 美分。絕對差距從每步驟 7.2 美分縮窄至 1.8 美分，但倍數大致維持不變——快取並不能挽救較昂貴的模型，只是讓兩者以相近的倍率變便宜。真正改變的是哪個成本項目佔主導：在快取下，Muse Spark 1.2 的成本有 59% 來自輸出 token，而非 85% 來自輸入 token，因此模型的冗長程度開始比其上下文大小更重要。

这在这里并非假设性问题。{{1}}Muse Spark 1.2 生成了 9500 万输出代币，{{/1}}通过了智能指数，而中位数仅为 6500 万。{{2}}Artificial Analysis 自己的摘要称其“有些啰嗦”（somewhat verbose）。{{/2}}{{3}}Luna 消耗了 1.3 亿代币，{{/3}}听上去更糟，但若按 1.20 美元而非 4.25 美元计算，情况就不同了。

Meta 的產品文案聲稱，提示快取可以將有效成本降低 60–80%，取決於上下文重複的程度。這是廠商的估計，而非實測數據，但上述計算結果落在這個範圍內。

延遲：基準測試顛覆真相的軸線

只看 Artificial Analysis 的延遲數據，你會認為 Muse Spark 1.2 才是反應快的那個。首次輸出 token 時間：Muse Spark 1.2 為 26.12 秒，GPT-5.6 Luna 為 126.99 秒。快了將近五倍。

上述兩者都是在各模型最昂貴的推理設定下測得的——Muse Spark 為 xhigh，Luna 為 max。兩者都不是你實際會看到的數值。在 OrcaRouter 上，根據一週真實流量中呼叫者實際要求的任何努力程度，GPT-5.6 Luna 的p50 首次輸出 token 時間為 1.84 秒，p95 為 9.68 秒。Muse Spark 1.1 呈現相同的 1.84 秒 p50，以及更緊湊的 6.00 秒 p95。目前還沒有 1.2 的生產環境遙測數據，因為它太新了。

結構差異比這兩個數字都更有用。GPT-5.6 Luna 的推理功能是選配的——努力值刻度從 無、低、中、高、極高一直到最高，而且你的確可以關閉思考功能來處理分類、路由或抽取。Muse Spark 1.2 的推理功能則是強制性的。刻度最低只能調到最小，而且沒有任何設定能讓你在不付出推理成本的情況下獲得權重。對於任何高流量且對延遲敏感的應用來說，這是設計上的限制，而不是可調參數。

持續吞吐量相近：Muse Spark 1.2 為每秒 165.0 個 token，Luna 為 177.9，兩者皆遠高於類別中位數 71。

每個人都會絆倒的定價腳註

GPT-5.6 Luna 的價格目前在不同地方標示不一，如果你正在建立成本模型，在引用數字之前應該先了解這點。Artificial Analysis 和 OrcaRouter 的目錄都顯示每百萬輸入 tokens 0.20 美元、每百萬輸出 tokens 1.20 美元——這是 GPT-5.6 七月份降價之後的費率，也是 Artificial Analysis 用來計算上方 $174.06 評估費用的費率。有些市集清單目前顯示 $0.10 和 $0.60，並有一個在超過 272,000 個提示 tokens 時啟動的較高費率層級。安全的做法是查閱你實際呼叫的端點上的價格，而不是比較文章中的價格。

無論適用哪種基礎費率，分級計價的細節都是真實存在的，而且確實鮮少被討論：一旦單一請求超過約 272,000 個提示詞 token，Luna 的價格就會調漲。輸入約增加一倍，輸出增加一半，快取讀取也隨之等比增加。如果你因 Luna 的 1.05M token 上下文視窗而考慮它，請注意你大約在四分之一處就會離開標題費率。Muse Spark 1.2 在全部 1,048,576 個 token 上採用單一費率，沒有長上下文附加費——對於真正長的單一請求，兩者之間的有效差距會大幅縮小。

Luna 無論付出任何代價都無法做到的事

模態差異是選擇其中一者而非另一者的最明確理由，而且它不會出現在任何排行榜上。

• 輸入— 根據 Meta 所列，Muse Spark 1.2 接受文字、圖片、影片、音訊和 PDF 文件。GPT-5.6 Luna 接受文字、圖片和檔案。不支援音訊，也不支援影片。如果您的流程涉及錄音或影片素材，Luna 根本不具備候選資格。

• 最大輸出——Luna 宣告 128,000 個 token 的完成上限。Muse Spark 1.2 的端點宣告沒有最大完成長度，這很不尋常，你應該測試它，而不是依此規劃。

• 知識截止日期 — Luna 的知識截止日期公布為 2026 年 2 月 16 日。Meta 未公布 Muse Spark 1.2 的截止日期，因此無論如何都要為檢索預留預算。

• 服務Luna 可透過多種途徑在全球範圍內使用。Muse Spark 1.2 僅由一個提供者提供服務：Meta。一個端點、一個區域政策、一個可能故障的環節。

• 審核——兩者都是受審核的端點。

一個關於多模態優勢的坦白提醒：Artificial Analysis 對 Muse Spark 1.2 的技術規格表僅列出其評測的文字與圖像輸入，並非 Meta 所宣傳的完整五模態介面。該 API 實際接受的能力，超出任何獨立測試所驗證的範圍。

採用，因為它恰好是可以衡量的

基準測試告訴你模型能做些什麼；流量則告訴你人們信任它處理什麼。在 OrcaRouter 上為期一週的滾動期間，GPT-5.6 Luna 處理了46.794億個 token。Muse Spark 1.1 —— 同樣是 1M 上下文、指數得分相當、目錄上架時間早四周 —— 處理了440萬。這大約是一千倍的差距。

其中一部分是發行因素：Luna 在更多工具中屬於預設選項，而且在全球正式發布（GA）的時間更長；Muse Spark 系列則只在美國推出。但在同一台路由器上，兩者僅相隔一個型號字串，卻出現一千比一的差距，這就不純然是發行通路所能解釋的了。這正是 Luna 是更安全預設選擇的實際原因，而 Muse Spark 1.2 則是需要你刻意評估的對象。

值得注意的是，今天你能租用什麼、不能租用什麼：GPT-5.6 Luna 已收錄在 OrcaRouter 目錄中，價格為 $0.20 和 $1.20，與供應商自家價目表上的數字相同，因為我們收取 0% 加價，直接以供應商的目錄價格轉售。Muse Spark 1.1 也以相同基礎出現在目錄中，價格為 $1.25 和 $4.25。Muse Spark 1.2 尚未收錄在目錄中——它由 Meta 直接提供。因此，現階段要誠實地進行這項比較，最便宜的方式是使用同一個金鑰，讓 Luna 對上 Muse Spark 1.1，在兩次執行之間更改一個字串，然後等 1.2 推出後再對它重新測試。

選擇一個

選用 GPT-5.6 Luna——如果工作負載屬於高流量且以文字為主的形態：聊天、分類、擷取、路由、輕量級工具使用。它的綜合價格只有四分之一，能讓你完全關閉推理功能；其 1.84 秒的 p50 是實際量測的生產數據，而非基準測試的人為假象；而且它是背後承載著千倍實際流量的模型。三個指數點經不起這樣的算術。

選擇 Muse Spark 1.2，如果工作負載是長時程的代理式編碼——多檔案重構、長時間除錯、整個儲存庫的工作——或者涉及音訊或視訊輸入，而這些正是 Luna 根本無法匹敵的領域。對於真正龐大的單一請求，它也是更好的選擇，因為它的費率在整整一百萬個 token 內維持固定，而 Luna 的費率則在超過 272K 後逐步調升。

兩者都採用，如果你誠實面對代理系統實際是如何建構出來的。持續勝出的模式是：廉價模型處理多數例行呼叫，昂貴模型則保留給品質足以值回票價的步驟。兩個模型都位於同一個 OpenAI 相容端點後方，因此這個分流只是路由規則，而非第二個供應商關係；而且如果昂貴的那一端在執行途中故障，自動容錯移轉可確保你的評測不會默默用半個資料集毒化自己。

接下來一個月要觀察的重點是各維度的細項數據。Muse Spark 1.2 的整體訴求在於代理能力，而在上一代產品中，這正是 Luna 領先八個百分點的維度。除非有人為 1.2 發布代理指數，否則綜合得分增加三點是目前唯一能證明 Meta 已迎頭趕上的證據。