AI BENCHY Compare

Meta: Muse Spark 1.1 vs MoonshotAI: Kimi K3

Rezumat

Muse Spark 1.1 (low) conduce la scorul mediu cu 8.8 vs 8.5. Muse Spark 1.1 (low) are costul de benchmark mai mic, $0.469 vs $3.112. Muse Spark 1.1 (low) este mai rapid cu 10.11s vs 122.48s, cu rate de reușită de 73.0% vs 82.5%.

Model recomandatMuse Spark 1.1 (low)Are cel mai bun scor aici (8.8) și costă de aproximativ 6.6x mai puțin decât Kimi K3 (max).

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

Metrică	Muse Spark 1.1 Muse Spark 1.1 low Lansare: 2026-07-16	Kimi K3 Kimi K3 max Lansare: 2026-07-16

Metrică	Muse Spark 1.1 Muse Spark 1.1 low Lansare: 2026-07-16	Kimi K3 Kimi K3 max Lansare: 2026-07-16
Scor	8.8	8.5
Rang	#17	#21
Fiabilitate	10.0	9.4
Consistență	8.5	9.2
Teste corecte
Rată de trecere pe încercare	73.0%	82.5%
Teste instabile	4	2
Rulări totale	63	63
Cost per rezultat	3.606	19.446
Cost total	$0.469	$3.112
Preț de intrare	$1.250 / 1M	$3.000 / 1M
Preț de ieșire	$4.250 / 1M	$15.000 / 1M
Total tokenuri de intrare	59,923	34,916
Tokenuri de ieșire	3,722	2,910
Tokenuri de raționament	88,947	197,529
Timp de răspuns (mediu)	10.11s	122.48s
Timp de răspuns (maxim)	54.15s	766.58s
Timp de răspuns (total)	212.29s	2327.06s

Prezentare generare

Hamster playing table tennis

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

#17 Muse Spark 1.1

low

Cost: $0.020
Timp: 39.2s
Tokenuri: 4,947 tok

#21 MoonshotAI: Kimi K3

max

Cost: $0.281
Timp: 506.9s
Tokenuri: 18,863 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	7.9	6.3	83.3%	2		4.36s	2,334	621	6,040
Kimi K3	10.0	10.0	100.0%	0		10.24s	1,638	496	2,629

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		10.34s	8,562	394	14,503
Kimi K3	10.0	10.0	100.0%	0		325.79s	8,061	460	84,012

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	9.6	10.0	100.0%	0		19.26s	21,277	885	6,849
Kimi K3	10.0	10.0	100.0%	0		223.03s	12,792	399	20,460

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		3.22s	7,827	240	2,074
Kimi K3	7.3	5.8	83.3%	1		16.72s	7,839	354	2,606

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	2.9	7.2	11.1%	1		29.73s	2,016	235	42,049
Kimi K3	5.9	7.2	55.6%	1		490.14s	794	80	83,180

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		4.12s	906	131	1,125
Kimi K3	10.0	10.0	100.0%	0		14.91s	732	191	871

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	7.3	6.0	83.3%	1		5.42s	1,527	252	4,246
Kimi K3	10.0	10.0	100.0%	0		7.66s	1,179	147	1,119

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	8.3	10.0	66.7%	0		6.60s	1,938	391	7,503
Kimi K3	10.0	10.0	100.0%	0		7.36s	1,416	495	1,368

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	9.8	10.0	100.0%	0		5.98s	12,924	533	1,012
Kimi K3	3.0	10.0	0.0%	0		0ms	0	0	0

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		8.17s	612	40	3,546
Kimi K3	3.0	10.0	0.0%	0		19.67s	465	288	1,284

Comparație rapidă

Schimbă perechea de comparație

Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Kimi K3maxvsGPT-5.4medium Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium Claude Opus 4.7mediumvsMuse Spark 1.1low Claude Opus 4.8mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGLM 5.2medium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Kimi K3maxvsGLM 5.2medium Kimi K3maxvsGPT-5.2medium