Muse Spark 1.3 (xhigh)
Maximum thinking effort model from Muse specializing in Olympiad mathematics and complex proofs.
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Les axes du radar sont approximés depuis les scores par catégorie lorsque les mesures directes manquent — voir Méthodologie.
Points forts & compromis
Là où il gagne
- Up to 65,536 output tokens per response
- Cheap prompt-cache reads at $0.25/1M
- Reasoning mode with adjustable effort levels
Points de vigilance
- Architecture and weights undisclosed — API access only
Cas d'usage clés
Démarrage rapide développeur & API
OPENROUTER_API_KEY — obtenir une clé APIcurl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "content-type: application/json" \
-d '{
"model": "muse/muse-spark-1-3-xhigh",
"messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key=os.environ["OPENROUTER_API_KEY"],
)
resp = client.chat.completions.create(
model="muse/muse-spark-1-3-xhigh",
messages=[{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}],
)
print(resp.choices[0].message.content)const res = await fetch("https://openrouter.ai/api/v1/chat/completions", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.OPENROUTER_API_KEY}`,
"content-type": "application/json",
},
body: JSON.stringify({
model: "muse/muse-spark-1-3-xhigh",
messages: [{ role: "user", content: "Refactor this function for O(n) time and explain the change." }],
}),
});
console.log((await res.json()).choices[0].message.content);OpenRouter-compatible endpoint — one API for 300+ models.
Ressources & liens officiels
Comparer hôtes et latence
Débit, TTFT et tarifs de cache chez Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock et Azure.
Scores par Source
Scores par Catégorie
Résultats de Benchmarks
Specs en direct & architecture
- Switchable reasoning effort — trading latency and tokens for accuracy on hard problems.
- Prompt caching supported — cached input reads at $0.25/1M tokens.
Facture mensuelle estimée
Citer et intégrer
Loading badge markdown...@misc{llmpodium2026musespark13xhigh,
title = {Benchmark Analysis and Intelligence Evaluation of Muse Spark 1.3 (xhigh)},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/muse-spark-1-3-xhigh}
}Intégrer le badge de score
Ajoutez un badge Podium Score en direct à votre README GitHub ou Hugging Face — il renvoie vers le classement en direct.
Loading badge snippet...Loading badge snippet...Plus de Muse
Modèles alternatifs
Meilleures alternatives à Muse Spark 1.3 (xhigh) selon les capacités, le prix et les benchmarks.