AI BENCHY Compare

Google: Gemini 3.1 Flash Lite Preview vs Meta: Muse Spark 1.1

Rezumat

Muse Spark 1.1 (high) conduce la scorul mediu cu 7.8 vs 7.8. Gemini 3.1 Flash Lite Preview (medium) are costul de benchmark mai mic, $0.068 vs $1.440. Gemini 3.1 Flash Lite Preview (medium) este mai rapid cu 3.96s vs 29.16s, cu rate de reușită de 61.9% vs 69.8%.

Model recomandatGemini 3.1 Flash Lite Preview (medium)Scorul rămâne aproape de cel mai bun scor de aici (7.8 vs 7.8) și costă de aproximativ 21.2x mai puțin decât Muse Spark 1.1 (high).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-16

Metrică	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium Lansare: 2026-03-03	Muse Spark 1.1 Muse Spark 1.1 high Lansare: 2026-07-16

Metrică	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium Lansare: 2026-03-03	Muse Spark 1.1 Muse Spark 1.1 high Lansare: 2026-07-16
Scor	7.8	7.8
Rang	#46	#41
Fiabilitate	10.0	10.0
Consistență	10.0	8.1
Teste corecte
Rată de trecere pe încercare	61.9%	69.8%
Teste instabile	0	5
Rulări totale	63	61
Cost per rezultat	0.523	11.997
Cost total	$0.068	$1.440
Preț de intrare	$0.250 / 1M	$1.250 / 1M
Preț de ieșire	$1.500 / 1M	$4.250 / 1M
Total tokenuri de intrare	37,786	64,900
Tokenuri de ieșire	2,210	3,577
Tokenuri de raționament	36,744	316,055
Timp de răspuns (mediu)	3.96s	29.16s
Timp de răspuns (maxim)	14.93s	196.03s
Timp de răspuns (total)	83.06s	583.18s

Prezentare generare

Hamster playing table tennis

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

#46 Gemini 3.1 Flash Lite Preview

medium

Cost: $0.003
Timp: 5.2s
Tokenuri: 1,944 tok

#41 Muse Spark 1.1

high

Cost: $0.039
Timp: 50.1s
Tokenuri: 9,423 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite Preview	9.1	10.0	75.0%	0		2.33s	512	570	4,305
Muse Spark 1.1	7.5	8.4	66.7%	1		8.60s	2,334	516	13,023

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite Preview	5.5	10.0	33.3%	0		4.09s	8,126	461	8,597
Muse Spark 1.1	10.0	10.0	100.0%	0		22.92s	8,562	349	36,039

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		14.93s	13,403	327	7,347
Muse Spark 1.1	4.5	2.1	66.7%	1		62.41s	25,559	1,035	32,073

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		2.29s	7,362	279	2,952
Muse Spark 1.1	10.0	10.0	100.0%	0		8.40s	7,827	240	5,907

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite Preview	3.0	10.0	0.0%	0		4.21s	639	18	5,325
Muse Spark 1.1	3.5	4.4	33.3%	2		67.39s	1,272	66	64,456

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		3.16s	488	96	1,488
Muse Spark 1.1	10.0	10.0	100.0%	0		7.73s	906	116	3,390

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		1.91s	621	72	2,121
Muse Spark 1.1	6.4	6.0	66.7%	1		7.81s	1,527	193	7,158

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite Preview	7.7	10.0	66.7%	0		5.30s	566	141	1,896
Muse Spark 1.1	7.8	9.9	66.7%	0		69.96s	1,938	225	140,780

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite Preview	10.0	10.0	100.0%	0		3.80s	5,909	234	912
Muse Spark 1.1	9.6	10.0	100.0%	0		9.88s	14,363	795	2,938

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Gemini 3.1 Flash Lite Preview	3.0	10.0	0.0%	0		2.68s	160	12	1,801
Muse Spark 1.1	3.0	10.0	0.0%	0		22.93s	612	42	10,291

Comparație rapidă

Schimbă perechea de comparație

Muse Spark 1.1highvsQwen3.6 Plusmedium Muse Spark 1.1highvsGPT-5.6 Terramedium Claude Sonnet 5mediumvsMuse Spark 1.1high Claude Sonnet 4.6mediumvsMuse Spark 1.1high Muse Spark 1.1highvsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Claude Opus 4.8lowvsGemini 3.1 Flash Lite Previewmedium Muse Spark 1.1highvsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 Terralow Muse Spark 1.1highvsQwen3.5 Plus 2026-04-20medium Gemini 3.1 Flash LitemediumvsMuse Spark 1.1high Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow