AI BENCHY Compare

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

概要

GPT-5.3-Codex (medium) が平均スコアでリードし、8.9 vs 8.9 です。 GPT-5.3-Codex (medium) の benchmark コストが低く、$0.740 vs $1.152 です。 GPT-5.3-Codex (medium) の方が高速で、16.22s vs 23.35s です、成功率は 76.2% vs 82.5% です。

おすすめモデルGPT-5.3-Codex (medium)ここでは最高スコア（8.9）で、Muse Spark 1.1 (medium) より約 1.6 倍低コストです。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-16

指標	Muse Spark 1.1 Muse Spark 1.1 medium リリース: 2026-07-16	GPT-5.3-Codex GPT-5.3-Codex medium リリース: 2026-02-05

指標	Muse Spark 1.1 Muse Spark 1.1 medium リリース: 2026-07-16	GPT-5.3-Codex GPT-5.3-Codex medium リリース: 2026-02-05
スコア	8.9	8.9
順位	#15	#13
信頼性	10.0	10.0
一貫性	9.2	8.5
正解テスト
試行ごとの合格率	76.2%	82.5%
不安定なテスト	2	4
総実行回数	63	63
結果あたりのコスト	7.676	4.932
合計コスト	$1.152	$0.740
入力価格	$1.250 / 1M	$1.750 / 1M
出力価格	$4.250 / 1M	$14.000 / 1M
合計入力トークン	59,928	34,299
出力トークン	3,523	2,357
推論トークン	249,752	46,189
応答時間（平均）	23.35s	16.22s
応答時間（最大）	165.38s	100.93s
応答時間（合計）	490.40s	340.67s

生成ショーケース

Hamster playing table tennis

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

#15 Muse Spark 1.1

medium

コスト: $0.024
時間: 29.2s
トークン: 5,774 tok

#13 GPT-5.3-Codex

medium

コスト: $0.049
時間: 54.9s
トークン: 3,580 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

カテゴリ:

反AIトリック	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

コーディング	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

複合	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

データ解析と抽出	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

ドメイン特化	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

汎用知能	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

指示追従	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

パズル解決	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

ツール呼び出し	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

雑学	スコア	一貫性	試行ごとの合格率	不安定なテスト	正解テスト	応答時間（平均）	入力トークン	出力トークン	推論トークン
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

クイック比較

比較ペアを切り替え

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