Direktvergleich

Muse Spark 1.3 vs. Kimi K3

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen: 195
verschiedene Benchmarks: 26
jüngster Abruf: 15.10.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Muse Spark 1.3 und Kimi K3
Merkmal	Muse Spark 1.3	Kimi K3
Anbieter	Meta	Moonshot AI
Erschienen	2. Sept. 2026	16. Juli 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	2,8 Billionen, 104 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.048.576 Token	1.048.576 Token
Wissensstand	Nicht veröffentlicht	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	Modell

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von Muse Spark 1.3 und Kimi K3
Preisart	Muse Spark 1.3	Kimi K3
API-Eingabe	1,25 $	3 $
API-Ausgabe	4,25 $	15 $
Cache lesen	0,15 $	0,3 $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	18.10.2026 Quelle	22.09.2026 Quelle

Muse Spark 1.3Kimi K3

API-EingabeUSD pro 1 Mio. Token, Basistarif

Muse Spark 1.31,25 $

Kimi K33 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Muse Spark 1.34,25 $

Kimi K315 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Muse Spark 1.30,15 $

Kimi K30,3 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von Muse Spark 1.3 und Kimi K3
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Muse Spark 1.3	Meta	Über OpenRoutermeta	Günstigster erfasster Preis: 1,25 $	Günstigster erfasster Preis: 4,25 $	Quelle18.10.2026
Kimi K3	Moonshot AI	Direkt beim EntwicklerStandard-API	3 $	15 $	Quelle22.09.2026
	AkashML	Über OpenRouterakashml/fp4	1,2 $	14 $	Quelle18.10.2026
	Alibaba	Über OpenRouteralibaba	3,45 $	17,25 $	Quelle18.10.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock/us-east-2	3 $	15 $	Quelle18.10.2026
	BaseTen	Über OpenRouterbaseten/fp8	3 $	15 $	Quelle18.10.2026
	Chutes	Über OpenRouterchutes/mxfp4	1,85 $	9,5 $	Quelle18.10.2026
	Decart	Über OpenRouterdecart/mxfp4	1,65 $	8,25 $	Quelle18.10.2026
	DeepInfra	Über OpenRouterdeepinfra/mxfp4	2,85 $	14,25 $	Quelle18.10.2026
	DigitalOcean	Über OpenRouterdigitalocean	2,55 $	12,95 $	Quelle18.10.2026
	Fireworks	Über OpenRouterfireworks	3 $	15 $	Quelle18.10.2026
	Fireworks	Über OpenRouterfireworks/fast	4,5 $	22,5 $	Quelle18.10.2026
	InferenceNet	Über OpenRouterinference-net/fast	2,49 $	15 $	Quelle18.10.2026
	InferenceNet	Über OpenRouterinference-net/fp4	0,304 $	11,936 $	Quelle18.10.2026
	Makora	Über OpenRoutermakora/fp4	1,53 $	12,75 $	Quelle18.10.2026
	Modal	Über OpenRoutermodal/mxfp4	3 $	15 $	Quelle18.10.2026
	Moonshot AI	Über OpenRoutermoonshotai/mxfp4	3 $	15 $	Quelle18.10.2026
	Morph	Über OpenRoutermorph/fp8	0,503 $	14,9 $	Quelle18.10.2026
	Parasail	Über OpenRouterparasail/fast	3 $	15 $	Quelle18.10.2026
	Parasail	Über OpenRouterparasail/fp4	3 $	15 $	Quelle18.10.2026
	Phala	Über OpenRouterphala	2,55 $	12,75 $	Quelle18.10.2026
	Relace	Über OpenRouterrelace/fp4	Günstigster erfasster Preis: 0,27 $	14 $	Quelle18.10.2026
	Sail Research	Über OpenRoutersail-research/fp4	0,504 $	Günstigster erfasster Preis: 8,1 $	Quelle18.10.2026
	Sail Research	Über OpenRoutersail-research/fp4/us	0,84 $	13,5 $	Quelle18.10.2026
	Together	Über OpenRoutertogether	3 $	15 $	Quelle18.10.2026
	Wafer	Über OpenRouterwafer	0,28 $	16 $	Quelle18.10.2026
	Wafer	Über OpenRouterwafer/us	0,36 $	11,9 $	Quelle18.10.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Muse Spark 1.3

Kimi K3

Coding: 100 / 79 (3 Benchmarkfamilien)

Reasoning: 98,4 / 94,7 (4 Benchmarkfamilien)

Mathematik: 99,7 / 99,9 (1 Benchmarkfamilie)

Wissen: 99,8 / 89,4 (2 Benchmarkfamilien)

Finanzen: 100 / 99 (1 Benchmarkfamilie)

Recht: 99,6 / 100 (1 Benchmarkfamilie)

Agenten-Aufgaben: 99,8 / 95,4 (3 Benchmarkfamilien)

Gesundheit: 98,8 / 100 (1 Benchmarkfamilie)

43 passende Messreihen aus 11 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 10 vergleichbaren Kategorien.

Muse Spark 1.3Kimi K3

AA-BriefcaseOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Spark 1.31.581,34 elo

Kimi K31.500,97 elo

AA-LCROverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Spark 1.383,0 %

Kimi K388,7 %

AA-OmniscienceOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Spark 1.325 Punkte

Kimi K319,7 Punkte

Artificial Analysis Intelligence IndexOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Spark 1.348,092 Punkte

Kimi K343,594 Punkte

AutomationBench-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Spark 1.357,9 %

Kimi K358,3 %

Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.327,58 %

Kimi K316,099 %

CyberBench v1.1Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.369,405 %

Kimi K375,238 %

EMBOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.362,712 %

Kimi K366,677 %

Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.358,901 %

Kimi K353,114 %

GDP.pdfOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Spark 1.326,6 %

Kimi K322,0 %

GDPval-AAOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Muse Spark 1.31.680,99 elo

Kimi K31.533,13 elo

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Muse Spark 1.322,917 %

Kimi K312,917 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Muse Spark 1.3 und Kimi K3
Benchmark und Aufgabe	Muse Spark 1.3	Kimi K3	Quelle
AA-BriefcaseOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: AA-Briefcase EloBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: Muse Spark 1.3 (Max), Reasoning: Max Kimi K3: Snapshot: Kimi K3 (Max), Reasoning: MaxMuse Spark 1.3: Exakte AA-Konfiguration: Muse Spark 1.3 (Max) (Release muse-spark-1-3, Zeile muse-spark-1-3, UUID 9999672c-b687-4026-9c15-5cef02ff53bb, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.581,34 elo	1.500,97 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-LCROverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v1.1Messgröße: Pass rateBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: Muse Spark 1.3 (Max), Reasoning: Max Kimi K3: Snapshot: Kimi K3 (Max), Reasoning: MaxMuse Spark 1.3: Exakte AA-Konfiguration: Muse Spark 1.3 (Max) (Release muse-spark-1-3, Zeile muse-spark-1-3, UUID 9999672c-b687-4026-9c15-5cef02ff53bb, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	83,0 %	Gewinner88,7 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AA-OmniscienceOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: AA-Omniscience IndexBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: Muse Spark 1.3 (Max), Reasoning: Max Kimi K3: Snapshot: Kimi K3 (Max), Reasoning: MaxMuse Spark 1.3: Exakte AA-Konfiguration: Muse Spark 1.3 (Max) (Release muse-spark-1-3, Zeile muse-spark-1-3, UUID 9999672c-b687-4026-9c15-5cef02ff53bb, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner25 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	19,7 Punkte Der Index kann negative Werte annehmen und reicht laut Anbieter von -100 bis 100.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Artificial Analysis Intelligence IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v4.3.2Messgröße: Artificial Analysis Intelligence IndexBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: Muse Spark 1.3 (Max), Reasoning: Max Kimi K3: Snapshot: Kimi K3 (Max), Reasoning: MaxMuse Spark 1.3: Exakte AA-Konfiguration: Muse Spark 1.3 (Max) (Release muse-spark-1-3, Zeile muse-spark-1-3, UUID 9999672c-b687-4026-9c15-5cef02ff53bb, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner48,092 Punkte	43,594 Punkte	Artificial Analysis Quellendetails Datenstand: 15.10.2026
AutomationBench-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Objectives completed without guardrail violationsBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: Muse Spark 1.3 (Max), Reasoning: Max Kimi K3: Snapshot: Kimi K3 (Max), Reasoning: MaxMuse Spark 1.3: Exakte AA-Konfiguration: Muse Spark 1.3 (Max) (Release muse-spark-1-3, Zeile muse-spark-1-3, UUID 9999672c-b687-4026-9c15-5cef02ff53bb, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	57,9 %	Gewinner58,3 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Code MigrationOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert27,58 %	16,099 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	69,405 %	Höherer Messwert75,238 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	62,712 %	Höherer Messwert66,677 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert58,901 %	53,114 %	Vals AI Quellendetails Datenstand: 12.10.2026
GDP.pdfOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: All-pass rateBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: Muse Spark 1.3 (Max), Reasoning: Max Kimi K3: Snapshot: Kimi K3 (Max), Reasoning: MaxMuse Spark 1.3: Exakte AA-Konfiguration: Muse Spark 1.3 (Max) (Release muse-spark-1-3, Zeile muse-spark-1-3, UUID 9999672c-b687-4026-9c15-5cef02ff53bb, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner26,6 %	22,0 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
GDPval-AAOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: v2.1Messgröße: GDPval-AA EloBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: Muse Spark 1.3 (Max), Reasoning: Max Kimi K3: Snapshot: Kimi K3 (Max), Reasoning: MaxMuse Spark 1.3: Exakte AA-Konfiguration: Muse Spark 1.3 (Max) (Release muse-spark-1-3, Zeile muse-spark-1-3, UUID 9999672c-b687-4026-9c15-5cef02ff53bb, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner1.680,99 elo	1.533,13 elo	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert22,917 %	12,917 %	Vals AI Quellendetails Datenstand: 12.10.2026
Humanity's Last ExamOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: unspecifiedMessgröße: Text-only pass@1 accuracyBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: Muse Spark 1.3 (Max), Reasoning: Max Kimi K3: Snapshot: Kimi K3 (Max), Reasoning: MaxMuse Spark 1.3: Exakte AA-Konfiguration: Muse Spark 1.3 (Max) (Release muse-spark-1-3, Zeile muse-spark-1-3, UUID 9999672c-b687-4026-9c15-5cef02ff53bb, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner48,7 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	46,9 % Der Anbieter beschreibt seine Vergleichsauswertung als text-only 2.158 Fragen, nicht als den vollständigen 2.500-Fragen-Datensatz.	Artificial Analysis Quellendetails Datenstand: 15.10.2026
IOIOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	43,944 %	Höherer Messwert48,944 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchOverall · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	40,865 %	Höherer Messwert46,154 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3 (xHigh), Reasoning: xhigh, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Spark 1.3: Arena-Bewertung aus 7.987 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen.	1.621,927 95-%-Konfidenzintervall: ±8,096Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.655,295 95-%-Konfidenzintervall: ±6,069Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlMuse Spark 1.3: Arena-Bewertung aus 16.731 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 32.036 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.494,213 95-%-Konfidenzintervall: ±5,665Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.488,095 95-%-Konfidenzintervall: ±4,609Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	0,5 %	Höherer Messwert2 %	Vals AI Quellendetails Datenstand: 12.10.2026
ProofBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	55 %	Höherer Messwert87 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert35,974 %	33,368 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-BenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 4.0Messgröße: Task successBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: Muse Spark 1.3 (Max), Reasoning: Max Kimi K3: Snapshot: Kimi K3 (Max), Reasoning: MaxMuse Spark 1.3: Exakte AA-Konfiguration: Muse Spark 1.3 (Max) (Release muse-spark-1-3, Zeile muse-spark-1-3, UUID 9999672c-b687-4026-9c15-5cef02ff53bb, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.Kimi K3: Exakte AA-Konfiguration: Kimi K3 (Max) (Release kimi-k3, Zeile kimi-k3, UUID f7d2fc3e-1f7b-405f-818c-07952a4af78f, reasoning=true, source reasoning-token configuration budget=2000, suffix=Max). Der konfigurierte Wert ist kein gemessener Tokenverbrauch.	Gewinner33,3 %	12,6 %	Artificial Analysis Quellendetails Datenstand: 15.10.2026
Terminal-Bench 2.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	72,285 %	Höherer Messwert80,899 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	10,606 %	Höherer Messwert17,172 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert4,286 %	1,429 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: weighted index scoreBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert53,197 %	50,297 %	Vals AI Quellendetails Datenstand: 13.10.2026
Vibe Code Bench v1.1Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Harness: OpenHands, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	82,859 %	Höherer Messwert84,968 %	Vals AI Quellendetails Datenstand: 12.10.2026
Code MigrationCLI Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert13,916 %	1,465 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1Patch Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger82,143 %	Kein direkter Sieger82,143 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	64,798 %	Höherer Messwert70,837 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert52,818 %	45,274 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert96,377 %	88,768 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2024 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	42,667 %	Höherer Messwert59,667 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	51,515 %	Höherer Messwert63,636 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevOverall Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Spark 1.3: Arena-Bewertung aus 8.683 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 18.644 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.658,54 95-%-Konfidenzintervall: ±8,09Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.655,295 95-%-Konfidenzintervall: ±6,069Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlMuse Spark 1.3: Arena-Bewertung aus 3.041 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 6.035 veröffentlichten Paarvergleichen.	Kein klarer Vorsprung1.503,61 95-%-Konfidenzintervall: ±11,102Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.487,914 95-%-Konfidenzintervall: ±8,167Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: almost-resolved rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	13 %	Höherer Messwert17,5 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert14,667 %	13,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	75 %	Höherer Messwert91,667 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Hardware Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	0 %	Höherer Messwert13,333 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEarth Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	0 %	Höherer Messwert12,5 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexCode Migration Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert42,192 %	16,042 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCOBOL Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert68,571 %	60 %	Vals AI Quellendetails Datenstand: 12.10.2026
CyberBench v1.1PoC Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Ausgabegrenze: 262.144 tokens	56,667 %	Höherer Messwert68,333 %	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert84,191 %	82,661 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert48,737 %	41,837 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger20 %	Kein direkter Sieger20 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2025 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert46,833 %	29,333 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	85,884 %	Höherer Messwert89,252 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevImage to webdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3 (xHigh), Reasoning: xhigh, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Spark 1.3: Arena-Bewertung aus 2.152 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 3.504 veröffentlichten Paarvergleichen.	Höherer Messwert1.597,944 95-%-Konfidenzintervall: ±13,55Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.579,165 95-%-Konfidenzintervall: ±10,818Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlMuse Spark 1.3: Arena-Bewertung aus 1.298 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 2.319 veröffentlichten Paarvergleichen.	1.529,417 95-%-Konfidenzintervall: ±16,859Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.542,023 95-%-Konfidenzintervall: ±12,722Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: fully resolved rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	0,5 %	Höherer Messwert2 %	Vals AI Quellendetails Datenstand: 12.10.2026
Tax Agent BenchControversy & Precedence Analysis Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	60,859 %	Höherer Messwert68,8 %	Vals AI Quellendetails Datenstand: 12.10.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	61,111 %	Höherer Messwert74,444 %	Vals AI Quellendetails Datenstand: 28.09.2026
Terminal-Bench 4.0Media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 4.0Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	0 %	Höherer Messwert16,667 %	Vals AI Quellendetails Datenstand: 13.10.2026
Terminal-Bench ScienceEngineering Sciences Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 0.1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Harness: Mini-SWE-agent, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Harness: Mini-SWE-agent, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 14.10.2026
Vals IndexEMB Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: benchmark scoreBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	62,712 %	Höherer Messwert66,677 %	Vals AI Quellendetails Datenstand: 13.10.2026
Code MigrationCode Quality Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert4,02 / 5	3,899 / 5	Vals AI Quellendetails Datenstand: 12.10.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	55,697 %	Höherer Messwert56,736 %	Vals AI Quellendetails Datenstand: 12.10.2026
Finance Agent (v2)Comparables Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	47,167 %	Höherer Messwert47,778 %	Vals AI Quellendetails Datenstand: 12.10.2026
Harvey's Legal Agent BenchmarkArbitration International Dispute Resolution · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	Höherer Messwert93,907 %	91,398 %	Vals AI Quellendetails Datenstand: 12.10.2026
IOIIOI 2026 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	42,333 %	Höherer Messwert57,833 %	Vals AI Quellendetails Datenstand: 14.10.2026
Legal Research BenchBusiness & Commercial · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserMuse Spark 1.3: Reasoning: xhigh, Temperatur: 1, Ausgabegrenze: 131.072 tokens Kimi K3: Reasoning: max, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 262.144 tokens	32,558 %	Höherer Messwert39,535 %	Vals AI Quellendetails Datenstand: 12.10.2026
LMArena Code Arena WebDevImage to webdev Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Code Arena WebDev Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Code Arena WebDevMuse Spark 1.3: Arena-Bewertung aus 4.688 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 3.504 veröffentlichten Paarvergleichen.	Gewinner1.641,977 95-%-Konfidenzintervall: ±9,755Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.579,165 95-%-Konfidenzintervall: ±10,818Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlCoding Testdetails Kein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMuse Spark 1.3: Snapshot: muse-spark-1.3-max, Reasoning: max, Harness: Arena Text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena Text, style controlMuse Spark 1.3: Arena-Bewertung aus 4.357 veröffentlichten Paarvergleichen.Kimi K3: Arena-Bewertung aus 8.136 veröffentlichten Paarvergleichen.	1.536,661 95-%-Konfidenzintervall: ±9,472Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	Kein klarer Vorsprung1.538,885 95-%-Konfidenzintervall: ±7,308Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.

Gemeinsame Testrunde: 4ae5d8eeb9a9

Muse Spark 1.3

In dieser Runde nicht verfügbar

Kimi K3

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Muse Spark 1.3

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 02.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: meta/muse-spark-1.3
API-Modell laut Antwort: meta/muse-spark-1.3
Reasoning-Einstellung: high
Festgelegter Endpunkt: Meta | meta/muse-spark-1.3-20260902
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 87,9 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Frühere Versuche (2)

01.10.2026Ausgabe aus Sicherheitsgründen nicht dargestelltReasoning-Einstellung: high
07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

Kimi K3

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: moonshotai/kimi-k3
API-Modell laut Antwort: moonshotai/kimi-k3
Reasoning-Einstellung: high
Festgelegter Endpunkt: Moonshot AI | moonshotai/kimi-k3-20260715
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 173,4 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Frühere Versuche (1)

07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche Muse Spark 1.3 und Kimi K3 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Muse Spark 1.3 vs. Kimi K3

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Muse Spark 1.3

Kimi K3

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche