Meta: Muse Spark 1.1 vs StepFun: Step 3.7 Flash

La puntuación media está prácticamente empatada en 8.1 vs 8.0. Step 3.7 Flash (medium) tiene menor coste de benchmark con $0.515 vs $1.694. Step 3.7 Flash (medium) es más rápido con 26.37s vs 31.49s, con tasas de acierto de 69.7% vs 72.7%.

Modelo recomendadoStep 3.7 Flash (medium)Tiene la mejor puntuación aquí (8.0) y cuesta aproximadamente 3.3x 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	Step 3.7 Flash Step 3.7 Flash medium Lanzamiento: 2026-05-29

Métrica	Muse Spark 1.1 Muse Spark 1.1 high Lanzamiento: 2026-07-16	Step 3.7 Flash Step 3.7 Flash medium Lanzamiento: 2026-05-29
Puntuación	8.1	8.0
Rango	#27	#28
Fiabilidad	10.0	9.9
Consistencia	7.9	8.9
Pruebas correctas
Tasa de aciertos por intento	69.7%	72.7%
Pruebas inestables	6	3
Ejecuciones totales	64	64
Costo por resultado	14.116	3.676
Costo total	$1.694	$0.515
Precio de entrada	$1.250 / 1M	$0.200 / 1M
Precio de salida	$4.250 / 1M	$1.150 / 1M
Total de tokens de entrada	129,423	114,062
Tokens de salida	8,077	427,572
Tokens de razonamiento	352,421	0
Tiempo de respuesta (promedio)	31.49s	26.37s
Tiempo de respuesta (máximo)	196.03s	152.83s
Tiempo de respuesta (total)	661.28s	580.25s

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

#28 Step 3.7 Flash

medium

Coste: $0.006
Tiempo: 46.2s
Tokens: 4,466 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
Step 3.7 Flash	8.7	7.9	91.7%	1		9.65s	756	32,185	0

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
Step 3.7 Flash	8.8	7.8	88.9%	1		27.42s	7,437	44,797	0

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
Step 3.7 Flash	7.3	5.8	83.3%	1		80.94s	87,764	114,720	0

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
Step 3.7 Flash	10.0	10.0	100.0%	0		2.75s	7,398	3,020	0

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
Step 3.7 Flash	7.7	10.0	66.7%	0		48.27s	708	70,347	0

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
Step 3.7 Flash	4.0	10.0	0.0%	0		6.85s	525	3,987	0

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
Step 3.7 Flash	9.8	10.0	100.0%	0		1.83s	735	2,166	0

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
Step 3.7 Flash	5.7	9.9	33.3%	0		6.19s	756	15,071	0

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
Step 3.7 Flash	10.0	10.0	100.0%	0		4.16s	7,746	2,115	0

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
Step 3.7 Flash	3.0	10.0	0.0%	0		113.98s	237	139,164	0

Comparación rápida

Cambiar par de comparación

GPT-5.2 ChatnonevsStep 3.7 Flashmedium Muse Spark 1.1highvsGPT-5 Minimedium Step 3.7 FlashmediumvsGLM 5.2high Muse Spark 1.1highvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium GPT-5.6 TerrahighvsStep 3.7 Flashmedium 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 1.1lowvsStep 3.7 Flashmedium Muse Spark 1.1highvsQwen3.6 Plusmedium