AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Meta: Muse Spark 1.1

摘要

Muse Spark 1.1 (high) 平均分领先，为 7.8 vs 7.7。 Claude Opus 4.8 (low) benchmark 成本更低，为 $1.270 vs $1.440。 Claude Opus 4.8 (low) 更快，为 10.83s vs 29.16s，通过率为 79.4% vs 69.8%。

推荐模型Claude Opus 4.8 (low)它的得分接近这里的最高分（7.7 vs 7.8），同时响应速度比Muse Spark 1.1 (high)快约 2.7 倍。

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

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16

指标	Claude Opus 4.8 Claude Opus 4.8 low 发布日期: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16
分数	7.7	7.8
排名	#51	#41
可靠性	10.0	10.0
一致性	8.8	8.1
测试正确
尝试通过率	79.4%	69.8%
不稳定测试	3	5
总运行次数	63	61
每个结果成本	8.466	11.997
总成本	$1.270	$1.440
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	60,946	64,900
输出令牌	31,771	3,577
推理令牌	6,831	316,055
响应时间（平均）	10.83s	29.16s
响应时间（最大）	127.97s	196.03s
响应时间（总计）	227.39s	583.18s

生成展示

Hamster playing table tennis

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

#51 Claude Opus 4.8

low

成本: $0.031
时间: 14.1s
令牌: 1,345 tok

#41 Muse Spark 1.1

high

成本: $0.039
时间: 50.1s
令牌: 9,423 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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Muse Spark 1.1	7.5	8.4	66.7%	1		8.60s	2,334	516	13,023

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 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Muse Spark 1.1	10.0	10.0	100.0%	0		22.92s	8,562	349	36,039

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 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Muse Spark 1.1	4.5	2.1	66.7%	1		62.41s	25,559	1,035	32,073

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 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Muse Spark 1.1	10.0	10.0	100.0%	0		8.40s	7,827	240	5,907

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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Muse Spark 1.1	3.5	4.4	33.3%	2		67.39s	1,272	66	64,456

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 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Muse Spark 1.1	10.0	10.0	100.0%	0		7.73s	906	116	3,390

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 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Muse Spark 1.1	6.4	6.0	66.7%	1		7.81s	1,527	193	7,158

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 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Muse Spark 1.1	7.8	9.9	66.7%	0		69.96s	1,938	225	140,780

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 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Muse Spark 1.1	9.6	10.0	100.0%	0		9.88s	14,363	795	2,938

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 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Muse Spark 1.1	3.0	10.0	0.0%	0		22.93s	612	42	10,291

快速对比

切换对比组合

Muse Spark 1.1highvsQwen3.6 Plusmedium Claude Opus 4.8lowvsQwen3.5-122B-A10Bmedium Muse Spark 1.1highvsGPT-5.6 Terramedium Claude Sonnet 5mediumvsMuse Spark 1.1high Claude Opus 4.8lowvsKimi K2.6medium免费可用 Claude Sonnet 4.6mediumvsMuse Spark 1.1high Claude Opus 4.8lowvsGrok 4.3medium Claude Opus 4.8lowvsGemini 3.1 Flash Litemedium Muse Spark 1.1highvsGrok 4.5low Claude Opus 4.8lowvsQwen3.5 Plus 2026-04-20medium Claude Opus 4.8lowvsGemini 3.1 Flash Lite Previewmedium Claude Opus 4.8lowvsGPT-5.6 Lunahigh