AI BENCHY 对比

Anthropic: Claude Opus 4.7 vs Meta: Muse Spark 1.1

摘要

Muse Spark 1.1 (low) 平均分领先，为 8.8 vs 8.7。 Muse Spark 1.1 (low) benchmark 成本更低，为 $0.469 vs $0.679。 Claude Opus 4.7 (medium) 更快，为 4.73s vs 10.11s，通过率为 82.5% vs 73.0%。

推荐模型Claude Opus 4.7 (medium)它的得分接近这里的最高分（8.7 vs 8.8），同时响应速度比Muse Spark 1.1 (low)快约 2.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-16

指标	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16

指标	Claude Opus 4.7 Claude Opus 4.7 medium 发布日期: 2026-04-16	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16
分数	8.7	8.8
排名	#18	#17
可靠性	10.0	10.0
一致性	9.6	8.5
测试正确
尝试通过率	82.5%	73.0%
不稳定测试	1	4
总运行次数	63	63
每个结果成本	3.991	3.606
总成本	$0.679	$0.469
输入价格	$5.000 / 1M	$1.250 / 1M
输出价格	$25.000 / 1M	$4.250 / 1M
总输入令牌	65,406	59,923
输出令牌	11,858	3,722
推理令牌	2,198	88,947
响应时间（平均）	4.73s	10.11s
响应时间（最大）	23.18s	54.15s
响应时间（总计）	94.51s	212.29s

生成展示

Hamster playing table tennis

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

#18 Claude Opus 4.7

medium

成本: $0.059
时间: 26.8s
令牌: 2,475 tok

#17 Muse Spark 1.1

low

成本: $0.020
时间: 39.2s
令牌: 4,947 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	8.3	10.0	75.0%	0		1.85s	894	348	0
Muse Spark 1.1	7.9	6.3	83.3%	2		4.36s	2,334	621	6,040

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	7.6	7.2	77.8%	1		12.96s	10,635	7,629	1,114
Muse Spark 1.1	10.0	10.0	100.0%	0		10.34s	8,562	394	14,503

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		21.45s	24,501	2,369	1,084
Muse Spark 1.1	9.6	10.0	100.0%	0		19.26s	21,277	885	6,849

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		2.37s	10,533	324	0
Muse Spark 1.1	10.0	10.0	100.0%	0		3.22s	7,827	240	2,074

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	7.7	10.0	66.7%	0		1.17s	630	51	0
Muse Spark 1.1	2.9	7.2	11.1%	1		29.73s	2,016	235	42,049

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		2.87s	723	256	0
Muse Spark 1.1	10.0	10.0	100.0%	0		4.12s	906	131	1,125

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		1.57s	939	114	0
Muse Spark 1.1	7.3	6.0	83.3%	1		5.42s	1,527	252	4,246

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		2.43s	939	370	0
Muse Spark 1.1	8.3	10.0	66.7%	0		6.60s	1,938	391	7,503

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	10.0	10.0	100.0%	0		4.17s	15,339	373	0
Muse Spark 1.1	9.8	10.0	100.0%	0		5.98s	12,924	533	1,012

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.7	3.0	10.0	0.0%	0		2.25s	273	24	0
Muse Spark 1.1	3.0	10.0	0.0%	0		8.17s	612	40	3,546

快速对比

切换对比组合

Claude Opus 4.8mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGLM 5.2medium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Muse Spark 1.1lowvsGPT-5.3-Codexmedium Claude Opus 4.7mediumvsKimi K3max Muse Spark 1.1lowvsGLM 5medium Claude Opus 4.7mediumvsGPT-5.2 Chatnone Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5 Minimedium Muse Spark 1.1lowvsGPT-5.5medium Muse Spark 1.1lowvsGPT-5.4medium Seed-2.0-LitemediumvsMuse Spark 1.1low