AI BENCHY Compare

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

Resumen

GPT-5.3-Codex (medium) lidera en puntuación media con 8.9 vs 8.8. Muse Spark 1.1 (low) tiene menor coste de benchmark con $0.469 vs $0.740. Muse Spark 1.1 (low) es más rápido con 10.11s vs 16.22s, con tasas de acierto de 73.0% vs 82.5%.

Modelo recomendadoMuse Spark 1.1 (low)Su puntuación se mantiene cerca de la mejor aquí (8.8 vs 8.9) y cuesta aproximadamente 1.6x menos que GPT-5.3-Codex (medium).

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	GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05

Métrica	Muse Spark 1.1 Muse Spark 1.1 low Lanzamiento: 2026-07-16	GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05
Puntuación	8.8	8.9
Rango	#17	#13
Fiabilidad	10.0	10.0
Consistencia	8.5	8.5
Pruebas correctas
Tasa de aciertos por intento	73.0%	82.5%
Pruebas inestables	4	4
Ejecuciones totales	63	63
Costo por resultado	3.606	4.932
Costo total	$0.469	$0.740
Precio de entrada	$1.250 / 1M	$1.750 / 1M
Precio de salida	$4.250 / 1M	$14.000 / 1M
Total de tokens de entrada	59,923	34,299
Tokens de salida	3,722	2,357
Tokens de razonamiento	88,947	46,189
Tiempo de respuesta (promedio)	10.11s	16.22s
Tiempo de respuesta (máximo)	54.15s	100.93s
Tiempo de respuesta (total)	212.29s	340.67s

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

#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	7.9	6.3	83.3%	2		4.36s	2,334	621	6,040
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		10.34s	8,562	394	14,503
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	9.6	10.0	100.0%	0		19.26s	21,277	885	6,849
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.56s	11,019	364	2,731

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
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	2.9	7.2	11.1%	1		29.73s	2,016	235	42,049
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		4.12s	906	131	1,125
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	7.3	6.0	83.3%	1		5.42s	1,527	252	4,246
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	8.3	10.0	66.7%	0		6.60s	1,938	391	7,503
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	9.8	10.0	100.0%	0		5.98s	12,924	533	1,012
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		8.17s	612	40	3,546
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701

Comparación rápida

Cambiar par de comparación

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 Muse Spark 1.1lowvsGLM 5medium Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5 Minimedium Muse Spark 1.1lowvsGPT-5.5medium Muse Spark 1.1lowvsGPT-5.4medium Seed-2.0-LitemediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGPT-5.2 Chatnone Muse Spark 1.1lowvsStep 3.7 Flashmedium