AI BENCHY Compare

Meta: Muse Spark 1.1 vs xAI: Grok 4.5

Ringkasan

Skor rata-rata hampir imbang di 7.8 vs 7.8. Grok 4.5 (low) memiliki biaya benchmark lebih rendah di $0.760 vs $1.440. Grok 4.5 (low) lebih cepat di 15.48s vs 29.16s, dengan tingkat keberhasilan 69.8% vs 74.6%.

Model yang direkomendasikanGrok 4.5 (low)It has the best score here (7.8), while costing about 1.9x less than Muse Spark 1.1 (high).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-16

Metrik	Muse Spark 1.1 Muse Spark 1.1 high Rilis: 2026-07-16	Grok 4.5 Grok 4.5 low Rilis: 2026-07-08

Metrik	Muse Spark 1.1 Muse Spark 1.1 high Rilis: 2026-07-16	Grok 4.5 Grok 4.5 low Rilis: 2026-07-08
Skor	7.8	7.8
Peringkat	#41	#45
Keandalan	10.0	10.0
Konsistensi	8.1	9.7
Tes benar
Tingkat lulus per percobaan	69.8%	74.6%
Tes tidak stabil	5	1
Total Run	61	63
Biaya per hasil	11.997	5.061
Total Biaya	$1.440	$0.760
Harga input	$1.250 / 1M	$2.000 / 1M
Harga output	$4.250 / 1M	$6.000 / 1M
Total token input	64,900	58,652
Token output	3,577	1,735
Token penalaran	316,055	105,233
Waktu respons (rata-rata)	29.16s	15.48s
Waktu respons (maks)	196.03s	205.28s
Waktu respons (total)	583.18s	324.98s

Showcase generasi

Hamster playing table tennis

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

#41 Muse Spark 1.1

high

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

#45 xAI: Grok 4.5

low

Biaya: $0.011
Waktu: 12.4s
Token: 2,018 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
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

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
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

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	4.5	2.1	66.7%	1		62.41s	25,559	1,035	32,073
Grok 4.5	3.0	10.0	0.0%	0		8.16s	15,084	261	2,370

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
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

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
Grok 4.5	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

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
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

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
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

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
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

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
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

Perbandingan Cepat

Ganti Pasangan Perbandingan

Muse Spark 1.1highvsQwen3.6 Plusmedium Claude Sonnet 4.6mediumvsGrok 4.5low Muse Spark 1.1highvsGPT-5.6 Terramedium Claude Sonnet 5mediumvsMuse Spark 1.1high GPT-5.6 TerramediumvsGrok 4.5low Claude Sonnet 4.6mediumvsMuse Spark 1.1high Qwen3.6 PlusmediumvsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Qwen3.5 Plus 2026-04-20mediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low Muse Spark 1.1highvsQwen3.5-27Bmedium Gemini 3.1 Flash LitemediumvsGrok 4.5low