AI BENCHY Compare

Meta: Muse Spark 1.1 vs xAI: Grok 4.5

Rezumat

Scorul mediu este practic egal la 7.8 vs 7.8. Grok 4.5 (low) are costul de benchmark mai mic, $0.760 vs $1.440. Grok 4.5 (low) este mai rapid cu 15.48s vs 29.16s, cu rate de reușită de 69.8% vs 74.6%.

Model recomandatGrok 4.5 (low)Are cel mai bun scor aici (7.8) și costă de aproximativ 1.9x mai puțin decât Muse Spark 1.1 (high).

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

Metrică	Muse Spark 1.1 Muse Spark 1.1 high Lansare: 2026-07-16	Grok 4.5 Grok 4.5 low Lansare: 2026-07-08

Metrică	Muse Spark 1.1 Muse Spark 1.1 high Lansare: 2026-07-16	Grok 4.5 Grok 4.5 low Lansare: 2026-07-08
Scor	7.8	7.8
Rang	#41	#45
Fiabilitate	10.0	10.0
Consistență	8.1	9.7
Teste corecte
Rată de trecere pe încercare	69.8%	74.6%
Teste instabile	5	1
Rulări totale	61	63
Cost per rezultat	11.997	5.061
Cost total	$1.440	$0.760
Preț de intrare	$1.250 / 1M	$2.000 / 1M
Preț de ieșire	$4.250 / 1M	$6.000 / 1M
Total tokenuri de intrare	64,900	58,652
Tokenuri de ieșire	3,577	1,735
Tokenuri de raționament	316,055	105,233
Timp de răspuns (mediu)	29.16s	15.48s
Timp de răspuns (maxim)	196.03s	205.28s
Timp de răspuns (total)	583.18s	324.98s

Prezentare generare

Hamster playing table tennis

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

#41 Muse Spark 1.1

high

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

#45 xAI: Grok 4.5

low

Cost: $0.011
Timp: 12.4s
Tokenuri: 2,018 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
Muse Spark 1.1	7.5	8.4	66.7%	1		8.60s	2,334	516	13,023
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

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
Muse Spark 1.1	10.0	10.0	100.0%	0		22.92s	8,562	349	36,039
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

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
Muse Spark 1.1	4.5	2.1	66.7%	1		62.41s	25,559	1,035	32,073
Grok 4.5	3.0	10.0	0.0%	0		8.16s	15,084	261	2,370

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
Muse Spark 1.1	10.0	10.0	100.0%	0		8.40s	7,827	240	5,907
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

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
Muse Spark 1.1	3.5	4.4	33.3%	2		67.39s	1,272	66	64,456
Grok 4.5	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

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
Muse Spark 1.1	10.0	10.0	100.0%	0		7.73s	906	116	3,390
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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
Muse Spark 1.1	6.4	6.0	66.7%	1		7.81s	1,527	193	7,158
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

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
Muse Spark 1.1	7.8	9.9	66.7%	0		69.96s	1,938	225	140,780
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

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
Muse Spark 1.1	9.6	10.0	100.0%	0		9.88s	14,363	795	2,938
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

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
Muse Spark 1.1	3.0	10.0	0.0%	0		22.93s	612	42	10,291
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

Comparație rapidă

Schimbă perechea de comparație

Muse Spark 1.1highvsQwen3.6 Plusmedium Claude Sonnet 4.6mediumvsGrok 4.5low Muse Spark 1.1highvsGPT-5.6 Terramedium Claude Sonnet 5mediumvsMuse Spark 1.1high GPT-5.6 TerramediumvsGrok 4.5low Claude Sonnet 4.6mediumvsMuse Spark 1.1high Qwen3.6 PlusmediumvsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Qwen3.5 Plus 2026-04-20mediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low Muse Spark 1.1highvsQwen3.5-27Bmedium Gemini 3.1 Flash LitemediumvsGrok 4.5low