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 8.9. GPT-5.3-Codex (medium) memiliki biaya benchmark lebih rendah di $0.740 vs $1.152. GPT-5.3-Codex (medium) lebih cepat di 16.22s vs 23.35s, dengan tingkat keberhasilan 76.2% vs 82.5%.

Model yang direkomendasikanGPT-5.3-Codex (medium)It has the best score here (8.9), while costing about 1.6x 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-5.3-Codex GPT-5.3-Codex medium Rilis: 2026-02-05

Metrik	Muse Spark 1.1 Muse Spark 1.1 medium Rilis: 2026-07-16	GPT-5.3-Codex GPT-5.3-Codex medium Rilis: 2026-02-05
Skor	8.9	8.9
Peringkat	#15	#13
Keandalan	10.0	10.0
Konsistensi	9.2	8.5
Tes benar
Tingkat lulus per percobaan	76.2%	82.5%
Tes tidak stabil	2	4
Total Run	63	63
Biaya per hasil	7.676	4.932
Total Biaya	$1.152	$0.740
Harga input	$1.250 / 1M	$1.750 / 1M
Harga output	$4.250 / 1M	$14.000 / 1M
Total token input	59,928	34,299
Token output	3,523	2,357
Token penalaran	249,752	46,189
Waktu respons (rata-rata)	23.35s	16.22s
Waktu respons (maks)	165.38s	100.93s
Waktu respons (total)	490.40s	340.67s

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

#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	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

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-5.3-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		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

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-5.3-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		71.45s	2,016	105	109,166
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		4.41s	906	116	1,833
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	6.5	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

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-5.3-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		6.99s	12,924	598	1,610
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		18.45s	612	39	8,375
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701

Perbandingan Cepat

Ganti Pasangan Perbandingan

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