多模态大模型横向评测聚焦性价比与上下文理解

近期多项大模型评测聚焦于任务成本与复杂上下文理解能力。一项测试将约 60 万 token 的聊天记录输入多个模型，由 Fable 5 评估其对私密关系的理解。结合成本数据的综合榜单显示，Claude Fable 5 以 4.30 分领跑，而 Muse Spark 在性价比上显著超越 Grok-4.20 等模型。

2026-07-20 ~ 2026-07-21 · 4 条相关

• 各模型单次任务成本对比 — Scobleizer · 2026-07-20
• 一份 60 万 token 关系测试在比模型理解私密上下文的能力 — cis_female · 2026-07-21
• 补充评测显示 Muse Spark 明显压过 Grok-4.20 — cis_female · 2026-07-21
• 一张模型榜显示 Muse Spark 在性价比上远超 Grok-4.20 — cis_female · 2026-07-21