AI BENCHY Compare

Meta: Muse Spark 1.1 vs MoonshotAI: Kimi K3

Resumen

Muse Spark 1.1 (low) lidera en puntuación media con 8.8 vs 8.5. Muse Spark 1.1 (low) tiene menor coste de benchmark con $0.469 vs $3.112. Muse Spark 1.1 (low) es más rápido con 10.11s vs 122.48s, con tasas de acierto de 73.0% vs 82.5%.

Modelo recomendadoMuse Spark 1.1 (low)Tiene la mejor puntuación aquí (8.8) y cuesta aproximadamente 6.6x menos que Kimi K3 (max).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-16

Métrica	Muse Spark 1.1 Muse Spark 1.1 low Lanzamiento: 2026-07-16	Kimi K3 Kimi K3 max Lanzamiento: 2026-07-16

Métrica	Muse Spark 1.1 Muse Spark 1.1 low Lanzamiento: 2026-07-16	Kimi K3 Kimi K3 max Lanzamiento: 2026-07-16
Puntuación	8.8	8.5
Rango	#17	#21
Fiabilidad	10.0	9.4
Consistencia	8.5	9.2
Pruebas correctas
Tasa de aciertos por intento	73.0%	82.5%
Pruebas inestables	4	2
Ejecuciones totales	63	63
Costo por resultado	3.606	19.446
Costo total	$0.469	$3.112
Precio de entrada	$1.250 / 1M	$3.000 / 1M
Precio de salida	$4.250 / 1M	$15.000 / 1M
Total de tokens de entrada	59,923	34,916
Tokens de salida	3,722	2,910
Tokens de razonamiento	88,947	197,529
Tiempo de respuesta (promedio)	10.11s	122.48s
Tiempo de respuesta (máximo)	54.15s	766.58s
Tiempo de respuesta (total)	212.29s	2327.06s

Generación showcase

Hamster playing table tennis

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

#17 Muse Spark 1.1

low

Coste: $0.020
Tiempo: 39.2s
Tokens: 4,947 tok

#21 MoonshotAI: Kimi K3

max

Coste: $0.281
Tiempo: 506.9s
Tokens: 18,863 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	7.9	6.3	83.3%	2		4.36s	2,334	621	6,040
Kimi K3	10.0	10.0	100.0%	0		10.24s	1,638	496	2,629

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		10.34s	8,562	394	14,503
Kimi K3	10.0	10.0	100.0%	0		325.79s	8,061	460	84,012

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	9.6	10.0	100.0%	0		19.26s	21,277	885	6,849
Kimi K3	10.0	10.0	100.0%	0		223.03s	12,792	399	20,460

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		3.22s	7,827	240	2,074
Kimi K3	7.3	5.8	83.3%	1		16.72s	7,839	354	2,606

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	2.9	7.2	11.1%	1		29.73s	2,016	235	42,049
Kimi K3	5.9	7.2	55.6%	1		490.14s	794	80	83,180

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		4.12s	906	131	1,125
Kimi K3	10.0	10.0	100.0%	0		14.91s	732	191	871

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	7.3	6.0	83.3%	1		5.42s	1,527	252	4,246
Kimi K3	10.0	10.0	100.0%	0		7.66s	1,179	147	1,119

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	8.3	10.0	66.7%	0		6.60s	1,938	391	7,503
Kimi K3	10.0	10.0	100.0%	0		7.36s	1,416	495	1,368

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	9.8	10.0	100.0%	0		5.98s	12,924	533	1,012
Kimi K3	3.0	10.0	0.0%	0		0ms	0	0	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		8.17s	612	40	3,546
Kimi K3	3.0	10.0	0.0%	0		19.67s	465	288	1,284

Comparación rápida

Cambiar par de comparación

Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Kimi K3maxvsGPT-5.4medium Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium Claude Opus 4.7mediumvsMuse Spark 1.1low Claude Opus 4.8mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGLM 5.2medium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Kimi K3maxvsGLM 5.2medium Kimi K3maxvsGPT-5.2medium