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

GPT-5.3-Codex (medium) unggul dalam skor rata-rata dengan 8.9 vs 8.1. GPT-5.3-Codex (medium) memiliki biaya benchmark lebih rendah di $0.920 vs $1.694. GPT-5.3-Codex (medium) lebih cepat di 16.96s vs 31.49s, dengan tingkat keberhasilan 69.7% vs 83.3%.

Model yang direkomendasikanGPT-5.3-Codex (medium)It has the best score here (8.9), while costing about 1.8x less than Muse Spark 1.1 (high).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-17

Metrik	Muse Spark 1.1 Muse Spark 1.1 high Rilis: 2026-07-16	GPT-5.3-Codex GPT-5.3-Codex medium Rilis: 2026-02-05

Metrik	Muse Spark 1.1 Muse Spark 1.1 high Rilis: 2026-07-16	GPT-5.3-Codex GPT-5.3-Codex medium Rilis: 2026-02-05
Skor	8.1	8.9
Peringkat	#27	#13
Keandalan	10.0	10.0
Konsistensi	7.9	8.6
Tes benar
Tingkat lulus per percobaan	69.7%	83.3%
Tes tidak stabil	6	4
Total Run	64	66
Biaya per hasil	14.116	5.748
Total Biaya	$1.694	$0.920
Harga input	$1.250 / 1M	$1.750 / 1M
Harga output	$4.250 / 1M	$14.000 / 1M
Total token input	129,423	81,268
Token output	8,077	6,251
Token penalaran	352,421	49,274
Waktu respons (rata-rata)	31.49s	16.96s
Waktu respons (maks)	196.03s	100.93s
Waktu respons (total)	661.28s	373.19s

Hamster playing table tennis

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

#27 Muse Spark 1.1

high

Biaya: $0.039
Waktu: 50.1s
Token: 9,423 tok

#13 GPT-5.3-Codex

medium

Biaya: $0.049
Waktu: 54.9s
Token: 3,580 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Muse Spark 1.1	7.5	8.4	66.7%	1		8.60s	2,334	516	13,023
GPT-5.3-Codex	8.7	7.9	91.7%	1		4.16s	606	240	1,722

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Muse Spark 1.1	10.0	10.0	100.0%	0		22.92s	8,562	349	36,039
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.50s	7,302	535	10,890

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Muse Spark 1.1	5.9	2.9	66.7%	2		70.25s	90,082	5,535	68,439
GPT-5.3-Codex	10.0	10.0	100.0%	0		26.04s	57,988	4,258	5,816

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Muse Spark 1.1	10.0	10.0	100.0%	0		8.40s	7,827	240	5,907
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.07s	7,140	234	728

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Muse Spark 1.1	3.5	4.4	33.3%	2		67.39s	1,272	66	64,456
GPT-5.3-Codex	5.9	7.2	55.6%	1		64.31s	813	64	25,308

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Muse Spark 1.1	10.0	10.0	100.0%	0		7.73s	906	116	3,390
GPT-5.3-Codex	4.6	10.0	0.0%	0		4.87s	477	187	331

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Muse Spark 1.1	6.4	6.0	66.7%	1		7.81s	1,527	193	7,158
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.04s	660	93	693

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Muse Spark 1.1	7.8	9.9	66.7%	0		69.96s	1,938	225	140,780
GPT-5.3-Codex	9.0	7.9	88.9%	1		5.05s	642	356	1,593

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Muse Spark 1.1	9.6	10.0	100.0%	0		9.88s	14,363	795	2,938
GPT-5.3-Codex	10.0	10.0	100.0%	0		6.37s	5,445	254	492

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Muse Spark 1.1	3.0	10.0	0.0%	0		22.93s	612	42	10,291
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701

Perbandingan Cepat

Ganti Pasangan Perbandingan

GPT-5.3-CodexmediumvsGrok 4.5high Muse Spark 1.1highvsGPT-5 Minimedium Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Muse Spark 1.1highvsStep 3.7 Flashmedium Muse Spark 1.1highvsGPT-5.2 Chatnone 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 1.1highvsQwen3.6 Plusmedium Muse Spark 1.1highvsGLM 5.2medium Claude Sonnet 5mediumvsMuse Spark 1.1high