Meta: Muse Spark 1.1 vs OpenAI: GPT-5.3-Codex

GPT-5.3-Codex (medium) lidera en puntuación media con 8.9 vs 8.1. GPT-5.3-Codex (medium) tiene menor coste de benchmark con $0.920 vs $1.694. GPT-5.3-Codex (medium) es más rápido con 16.96s vs 31.49s, con tasas de acierto de 69.7% vs 83.3%.

Modelo recomendadoGPT-5.3-Codex (medium)Tiene la mejor puntuación aquí (8.9) y cuesta aproximadamente 1.8x menos que Muse Spark 1.1 (high).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-17

Métrica	Muse Spark 1.1 Muse Spark 1.1 high Lanzamiento: 2026-07-16	GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05

Métrica	Muse Spark 1.1 Muse Spark 1.1 high Lanzamiento: 2026-07-16	GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05
Puntuación	8.1	8.9
Rango	#27	#13
Fiabilidad	10.0	10.0
Consistencia	7.9	8.6
Pruebas correctas
Tasa de aciertos por intento	69.7%	83.3%
Pruebas inestables	6	4
Ejecuciones totales	64	66
Costo por resultado	14.116	5.748
Costo total	$1.694	$0.920
Precio de entrada	$1.250 / 1M	$1.750 / 1M
Precio de salida	$4.250 / 1M	$14.000 / 1M
Total de tokens de entrada	129,423	81,268
Tokens de salida	8,077	6,251
Tokens de razonamiento	352,421	49,274
Tiempo de respuesta (promedio)	31.49s	16.96s
Tiempo de respuesta (máximo)	196.03s	100.93s
Tiempo de respuesta (total)	661.28s	373.19s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#27 Muse Spark 1.1

high

Coste: $0.039
Tiempo: 50.1s
Tokens: 9,423 tok

#13 GPT-5.3-Codex

medium

Coste: $0.049
Tiempo: 54.9s
Tokens: 3,580 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Muse Spark 1.1	7.5	8.4	66.7%	1		8.60s	2,334	516	13,023
GPT-5.3-Codex	8.7	7.9	91.7%	1		4.16s	606	240	1,722

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Muse Spark 1.1	10.0	10.0	100.0%	0		22.92s	8,562	349	36,039
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.50s	7,302	535	10,890

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Muse Spark 1.1	5.9	2.9	66.7%	2		70.25s	90,082	5,535	68,439
GPT-5.3-Codex	10.0	10.0	100.0%	0		26.04s	57,988	4,258	5,816

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Muse Spark 1.1	10.0	10.0	100.0%	0		8.40s	7,827	240	5,907
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.07s	7,140	234	728

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Muse Spark 1.1	3.5	4.4	33.3%	2		67.39s	1,272	66	64,456
GPT-5.3-Codex	5.9	7.2	55.6%	1		64.31s	813	64	25,308

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Muse Spark 1.1	10.0	10.0	100.0%	0		7.73s	906	116	3,390
GPT-5.3-Codex	4.6	10.0	0.0%	0		4.87s	477	187	331

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Muse Spark 1.1	6.4	6.0	66.7%	1		7.81s	1,527	193	7,158
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.04s	660	93	693

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Muse Spark 1.1	7.8	9.9	66.7%	0		69.96s	1,938	225	140,780
GPT-5.3-Codex	9.0	7.9	88.9%	1		5.05s	642	356	1,593

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Muse Spark 1.1	9.6	10.0	100.0%	0		9.88s	14,363	795	2,938
GPT-5.3-Codex	10.0	10.0	100.0%	0		6.37s	5,445	254	492

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Muse Spark 1.1	3.0	10.0	0.0%	0		22.93s	612	42	10,291
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701

Comparación rápida

Cambiar par de comparación

GPT-5.3-CodexmediumvsGrok 4.5high Muse Spark 1.1highvsGPT-5 Minimedium Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Muse Spark 1.1highvsStep 3.7 Flashmedium Muse Spark 1.1highvsGPT-5.2 Chatnone Muse Spark 1.1highvsKimi K3max Gemini 2.5 FlashmediumvsMuse Spark 1.1high Seed-2.0-LitemediumvsMuse Spark 1.1high Muse Spark 1.1highvsQwen3.7 Plusmedium Muse Spark 1.1highvsQwen3.6 Plusmedium Muse Spark 1.1highvsGLM 5.2medium Claude Sonnet 5mediumvsMuse Spark 1.1high