AI BENCHY Compare

Meta: Muse Spark 1.1 vs StepFun: Step 3.7 Flash

Resumen

Muse Spark 1.1 (low) lidera en puntuación media con 8.8 vs 8.5. Step 3.7 Flash (medium) tiene menor coste de benchmark con $0.376 vs $0.469. Muse Spark 1.1 (low) es más rápido con 10.11s vs 20.35s, con tasas de acierto de 73.0% vs 73.0%.

Modelo recomendadoMuse Spark 1.1 (low)Tiene la mejor puntuación aquí (8.8) y responde aproximadamente 2.0x más rápido que Step 3.7 Flash (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	Step 3.7 Flash Step 3.7 Flash medium Lanzamiento: 2026-05-29

Métrica	Muse Spark 1.1 Muse Spark 1.1 low Lanzamiento: 2026-07-16	Step 3.7 Flash Step 3.7 Flash medium Lanzamiento: 2026-05-29
Puntuación	8.8	8.5
Rango	#17	#26
Fiabilidad	10.0	9.9
Consistencia	8.5	9.3
Pruebas correctas
Tasa de aciertos por intento	73.0%	73.0%
Pruebas inestables	4	2
Ejecuciones totales	63	61
Costo por resultado	3.606	2.686
Costo total	$0.469	$0.376
Precio de entrada	$1.250 / 1M	$0.200 / 1M
Precio de salida	$4.250 / 1M	$1.150 / 1M
Total de tokens de entrada	59,923	39,981
Tokens de salida	3,722	319,958
Tokens de razonamiento	88,947	0
Tiempo de respuesta (promedio)	10.11s	20.35s
Tiempo de respuesta (máximo)	54.15s	113.98s
Tiempo de respuesta (total)	212.29s	427.42s

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

#26 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	7.9	6.3	83.3%	2		4.36s	2,334	621	6,040
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		10.34s	8,562	394	14,503
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	9.6	10.0	100.0%	0		19.26s	21,277	885	6,849
Step 3.7 Flash	10.0	10.0	100.0%	0		9.06s	13,683	7,106	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		3.22s	7,827	240	2,074
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	2.9	7.2	11.1%	1		29.73s	2,016	235	42,049
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		4.12s	906	131	1,125
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	7.3	6.0	83.3%	1		5.42s	1,527	252	4,246
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	8.3	10.0	66.7%	0		6.60s	1,938	391	7,503
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	9.8	10.0	100.0%	0		5.98s	12,924	533	1,012
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		8.17s	612	40	3,546
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 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 Muse Spark 1.1lowvsGPT-5.3-Codexmedium Muse Spark 1.1lowvsGLM 5medium DeepSeek V4 FlashhighvsStep 3.7 Flashmedium Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5 Minimedium Muse Spark 1.1lowvsGPT-5.5medium