AI BENCHY Compare

Meta: Muse Spark 1.1 vs OpenAI: GPT-5.2 Chat

Rezumat

Muse Spark 1.1 (medium) conduce la scorul mediu cu 8.9 vs 8.5. GPT-5.2 Chat are costul de benchmark mai mic, $0.393 vs $1.152. GPT-5.2 Chat este mai rapid cu 7.13s vs 23.35s, cu rate de reușită de 76.2% vs 74.6%.

Model recomandatGPT-5.2 ChatScorul rămâne aproape de cel mai bun scor de aici (8.5 vs 8.9) și costă de aproximativ 2.9x mai puțin decât Muse Spark 1.1 (medium).

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

Metrică	Muse Spark 1.1 Muse Spark 1.1 medium Lansare: 2026-07-16	GPT-5.2 Chat GPT-5.2 Chat none Lansare: 2025-12-11

Metrică	Muse Spark 1.1 Muse Spark 1.1 medium Lansare: 2026-07-16	GPT-5.2 Chat GPT-5.2 Chat none Lansare: 2025-12-11
Scor	8.9	8.5
Rang	#15	#25
Fiabilitate	10.0	10.0
Consistență	9.2	8.9
Teste corecte
Rată de trecere pe încercare	76.2%	74.6%
Teste instabile	2	3
Rulări totale	63	63
Cost per rezultat	7.676	2.803
Cost total	$1.152	$0.393
Preț de intrare	$1.250 / 1M	$1.750 / 1M
Preț de ieșire	$4.250 / 1M	$14.000 / 1M
Total tokenuri de intrare	59,928	34,212
Tokenuri de ieșire	3,523	23,744
Tokenuri de raționament	249,752	0
Timp de răspuns (mediu)	23.35s	7.13s
Timp de răspuns (maxim)	165.38s	38.52s
Timp de răspuns (total)	490.40s	149.69s

Prezentare generare

Hamster playing table tennis

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

#15 Muse Spark 1.1

medium

Cost: $0.024
Timp: 29.2s
Tokenuri: 5,774 tok

#25 GPT-5.2 Chat

none

Cost: $0.010
Timp: 15.3s
Tokenuri: 797 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	10.0	10.0	100.0%	0		5.72s	2,334	657	8,260
GPT-5.2 Chat	8.7	7.9	91.7%	1		3.40s	606	1,807	0

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		15.66s	8,562	347	23,562
GPT-5.2 Chat	8.8	7.8	88.9%	1		9.82s	7,305	6,731	0

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		26.33s	21,282	838	11,595
GPT-5.2 Chat	10.0	10.0	100.0%	0		9.12s	11,019	1,243	0

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		4.96s	7,827	240	3,387
GPT-5.2 Chat	10.0	10.0	100.0%	0		3.05s	7,140	980	0

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		71.45s	2,016	105	109,166
GPT-5.2 Chat	5.3	10.0	33.3%	0		17.78s	723	7,810	0

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		4.41s	906	116	1,833
GPT-5.2 Chat	4.4	3.0	33.3%	1		3.20s	477	335	0

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	6.5	10.0	50.0%	0		6.31s	1,527	233	5,186
GPT-5.2 Chat	9.8	10.0	100.0%	0		5.51s	660	1,441	0

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	7.9	9.9	66.7%	0		42.49s	1,938	350	76,778
GPT-5.2 Chat	7.7	10.0	66.7%	0		4.10s	642	1,603	0

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		6.99s	12,924	598	1,610
GPT-5.2 Chat	10.0	10.0	100.0%	0		4.68s	5,445	555	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		18.45s	612	39	8,375
GPT-5.2 Chat	3.0	10.0	0.0%	0		6.89s	195	1,239	0

Comparație rapidă

Schimbă perechea de comparație

Seed-2.0-LitemediumvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsStep 3.7 Flashmedium Kimi K3maxvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsGLM 5medium GPT-5.2 ChatnonevsGrok 4.5medium GPT-5.2 ChatnonevsGLM 5.2medium DeepSeek V4 FlashhighvsGPT-5.2 Chatnone Claude Opus 4.7mediumvsGPT-5.2 Chatnone Gemini 2.5 FlashmediumvsGPT-5.2 Chatnone Muse Spark 1.1lowvsGPT-5.2 Chatnone Muse Spark 1.1mediumvsKimi K3max GPT-5.2 ChatnonevsQwen3.7 Plusmedium