AI BENCHY Compare

Meta: Muse Spark 1.1 vs OpenAI: GPT-5.5

Rezumat

GPT-5.5 (low) conduce la scorul mediu cu 9.3 vs 8.9. GPT-5.5 (low) are costul de benchmark mai mic, $0.907 vs $1.152. GPT-5.5 (low) este mai rapid cu 9.76s vs 23.35s, cu rate de reușită de 76.2% vs 85.7%.

Model recomandatGPT-5.5 (low)Are cel mai bun scor aici (9.3) și răspunde de aproximativ 2.4x mai rapid 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-5.5 GPT-5.5 low Lansare: 2026-04-24

Metrică	Muse Spark 1.1 Muse Spark 1.1 medium Lansare: 2026-07-16	GPT-5.5 GPT-5.5 low Lansare: 2026-04-24
Scor	8.9	9.3
Rang	#15	#7
Fiabilitate	10.0	10.0
Consistență	9.2	10.0
Teste corecte
Rată de trecere pe încercare	76.2%	85.7%
Teste instabile	2	0
Rulări totale	63	63
Cost per rezultat	7.676	5.035
Cost total	$1.152	$0.907
Preț de intrare	$1.250 / 1M	$5.000 / 1M
Preț de ieșire	$4.250 / 1M	$30.000 / 1M
Total tokenuri de intrare	59,928	34,209
Tokenuri de ieșire	3,523	2,046
Tokenuri de raționament	249,752	22,460
Timp de răspuns (mediu)	23.35s	9.76s
Timp de răspuns (maxim)	165.38s	56.19s
Timp de răspuns (total)	490.40s	204.92s

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

#7 GPT-5.5

low

Cost: $0.068
Timp: 37.0s
Tokenuri: 2,339 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-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717

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-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

Comparație rapidă

Schimbă perechea de comparație

GPT-5.5lowvsQwen3.7 Maxmedium Claude Fable 5mediumvsGPT-5.5low Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Gemini 3.5 FlashmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGPT-5.5low Muse Spark 1.1mediumvsKimi K3max Muse Spark 1.1mediumvsGPT-5.2 Chatnone Gemini 3.5 FlashlowvsMuse Spark 1.1medium GPT-5.5lowvsQwen3.6 Max Previewmedium Claude Opus 4.8mediumvsGPT-5.5low Muse Spark 1.1mediumvsGPT-5.6 Solhigh Gemini 3.5 FlashhighvsGPT-5.5low