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 8.9. GPT-5.3-Codex (medium) tiene menor coste de benchmark con $0.740 vs $1.152. GPT-5.3-Codex (medium) es más rápido con 16.22s vs 23.35s, con tasas de acierto de 76.2% vs 82.5%.

Modelo recomendadoGPT-5.3-Codex (medium)Tiene la mejor puntuación aquí (8.9) y cuesta aproximadamente 1.6x menos que Muse Spark 1.1 (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 medium 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 medium Lanzamiento: 2026-07-16	GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05
Puntuación	8.9	8.9
Rango	#15	#13
Fiabilidad	10.0	10.0
Consistencia	9.2	8.5
Pruebas correctas
Tasa de aciertos por intento	76.2%	82.5%
Pruebas inestables	2	4
Ejecuciones totales	63	63
Costo por resultado	7.676	4.932
Costo total	$1.152	$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	59,928	34,299
Tokens de salida	3,523	2,357
Tokens de razonamiento	249,752	46,189
Tiempo de respuesta (promedio)	23.35s	16.22s
Tiempo de respuesta (máximo)	165.38s	100.93s
Tiempo de respuesta (total)	490.40s	340.67s

Generación showcase

Hamster playing table tennis

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

#15 Muse Spark 1.1

medium

Coste: $0.024
Tiempo: 29.2s
Tokens: 5,774 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	10.0	10.0	100.0%	0		5.72s	2,334	657	8,260
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		15.66s	8,562	347	23,562
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		26.33s	21,282	838	11,595
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		4.96s	7,827	240	3,387
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		71.45s	2,016	105	109,166
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		4.41s	906	116	1,833
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	6.5	10.0	50.0%	0		6.31s	1,527	233	5,186
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	7.9	9.9	66.7%	0		42.49s	1,938	350	76,778
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		6.99s	12,924	598	1,610
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		18.45s	612	39	8,375
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701

Comparación rápida

Cambiar par de comparación

Muse Spark 1.1lowvsGPT-5.3-Codexmedium Muse Spark 1.1mediumvsKimi K3max Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Muse Spark 1.1mediumvsGPT-5.2 Chatnone Kimi K3maxvsGPT-5.3-Codexmedium Gemini 3.5 FlashlowvsMuse Spark 1.1medium Muse Spark 1.1mediumvsGPT-5.5low Muse Spark 1.1mediumvsGPT-5.6 Solhigh DeepSeek V4 FlashhighvsMuse Spark 1.1medium DeepSeek V4 FlashhighvsGPT-5.3-Codexmedium Muse Spark 1.1mediumvsGPT-5.6 Terrahigh Muse Spark 1.1mediumvsGPT-5.6 Sollow