AI BENCHY Compare

Meta: Muse Spark 1.1 vs OpenAI: GPT-5.2 Chat

Ringkasan

Muse Spark 1.1 (medium) unggul dalam skor rata-rata dengan 8.9 vs 8.5. GPT-5.2 Chat memiliki biaya benchmark lebih rendah di $0.393 vs $1.152. GPT-5.2 Chat lebih cepat di 7.13s vs 23.35s, dengan tingkat keberhasilan 76.2% vs 74.6%.

Model yang direkomendasikanGPT-5.2 ChatIts score stays close to the best score here (8.5 vs 8.9), while costing about 2.9x less than Muse Spark 1.1 (medium).

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

Metrik	Muse Spark 1.1 Muse Spark 1.1 medium Rilis: 2026-07-16	GPT-5.2 Chat GPT-5.2 Chat none Rilis: 2025-12-11

Metrik	Muse Spark 1.1 Muse Spark 1.1 medium Rilis: 2026-07-16	GPT-5.2 Chat GPT-5.2 Chat none Rilis: 2025-12-11
Skor	8.9	8.5
Peringkat	#15	#25
Keandalan	10.0	10.0
Konsistensi	9.2	8.9
Tes benar
Tingkat lulus per percobaan	76.2%	74.6%
Tes tidak stabil	2	3
Total Run	63	63
Biaya per hasil	7.676	2.803
Total Biaya	$1.152	$0.393
Harga input	$1.250 / 1M	$1.750 / 1M
Harga output	$4.250 / 1M	$14.000 / 1M
Total token input	59,928	34,212
Token output	3,523	23,744
Token penalaran	249,752	0
Waktu respons (rata-rata)	23.35s	7.13s
Waktu respons (maks)	165.38s	38.52s
Waktu respons (total)	490.40s	149.69s

Showcase generasi

Hamster playing table tennis

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

#15 Muse Spark 1.1

medium

Biaya: $0.024
Waktu: 29.2s
Token: 5,774 tok

#25 GPT-5.2 Chat

none

Biaya: $0.010
Waktu: 15.3s
Token: 797 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	10.0	10.0	100.0%	0		5.72s	2,334	657	8,260
GPT-5.2 Chat	8.7	7.9	91.7%	1		3.40s	606	1,807	0

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		15.66s	8,562	347	23,562
GPT-5.2 Chat	8.8	7.8	88.9%	1		9.82s	7,305	6,731	0

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		26.33s	21,282	838	11,595
GPT-5.2 Chat	10.0	10.0	100.0%	0		9.12s	11,019	1,243	0

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		4.96s	7,827	240	3,387
GPT-5.2 Chat	10.0	10.0	100.0%	0		3.05s	7,140	980	0

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		71.45s	2,016	105	109,166
GPT-5.2 Chat	5.3	10.0	33.3%	0		17.78s	723	7,810	0

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		4.41s	906	116	1,833
GPT-5.2 Chat	4.4	3.0	33.3%	1		3.20s	477	335	0

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	6.5	10.0	50.0%	0		6.31s	1,527	233	5,186
GPT-5.2 Chat	9.8	10.0	100.0%	0		5.51s	660	1,441	0

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	7.9	9.9	66.7%	0		42.49s	1,938	350	76,778
GPT-5.2 Chat	7.7	10.0	66.7%	0		4.10s	642	1,603	0

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		6.99s	12,924	598	1,610
GPT-5.2 Chat	10.0	10.0	100.0%	0		4.68s	5,445	555	0

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		18.45s	612	39	8,375
GPT-5.2 Chat	3.0	10.0	0.0%	0		6.89s	195	1,239	0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Seed-2.0-LitemediumvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsStep 3.7 Flashmedium Kimi K3maxvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsGLM 5medium GPT-5.2 ChatnonevsGrok 4.5medium GPT-5.2 ChatnonevsGLM 5.2medium DeepSeek V4 FlashhighvsGPT-5.2 Chatnone Claude Opus 4.7mediumvsGPT-5.2 Chatnone Gemini 2.5 FlashmediumvsGPT-5.2 Chatnone Muse Spark 1.1lowvsGPT-5.2 Chatnone Muse Spark 1.1mediumvsKimi K3max GPT-5.2 ChatnonevsQwen3.7 Plusmedium