AI BENCHY Compare

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

Ringkasan

GPT-5.3-Codex (medium) unggul dalam skor rata-rata dengan 8.9 vs 8.8. Muse Spark 1.1 (low) memiliki biaya benchmark lebih rendah di $0.469 vs $0.740. Muse Spark 1.1 (low) lebih cepat di 10.11s vs 16.22s, dengan tingkat keberhasilan 73.0% vs 82.5%.

Model yang direkomendasikanMuse Spark 1.1 (low)Its score stays close to the best score here (8.8 vs 8.9), while costing about 1.6x less than GPT-5.3-Codex (medium).

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

Metrik	Muse Spark 1.1 Muse Spark 1.1 low 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 low Rilis: 2026-07-16	GPT-5.3-Codex GPT-5.3-Codex medium Rilis: 2026-02-05
Skor	8.8	8.9
Peringkat	#17	#13
Keandalan	10.0	10.0
Konsistensi	8.5	8.5
Tes benar
Tingkat lulus per percobaan	73.0%	82.5%
Tes tidak stabil	4	4
Total Run	63	63
Biaya per hasil	3.606	4.932
Total Biaya	$0.469	$0.740
Harga input	$1.250 / 1M	$1.750 / 1M
Harga output	$4.250 / 1M	$14.000 / 1M
Total token input	59,923	34,299
Token output	3,722	2,357
Token penalaran	88,947	46,189
Waktu respons (rata-rata)	10.11s	16.22s
Waktu respons (maks)	54.15s	100.93s
Waktu respons (total)	212.29s	340.67s

Showcase generasi

Hamster playing table tennis

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

#17 Muse Spark 1.1

low

Biaya: $0.020
Waktu: 39.2s
Token: 4,947 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	7.9	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

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		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

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	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

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		3.22s	7,827	240	2,074
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	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

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		4.12s	906	131	1,125
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	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

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	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

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	9.8	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

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		8.17s	612	40	3,546
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701

Perbandingan Cepat

Ganti Pasangan Perbandingan

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