AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Meta: Muse Spark 1.1

摘要

Claude Opus 4.8 (medium) 平均分领先，为 8.8 vs 8.8。 Muse Spark 1.1 (low) benchmark 成本更低，为 $0.469 vs $1.107。 Claude Opus 4.8 (medium) 更快，为 9.72s vs 10.11s，通过率为 84.1% vs 73.0%。

推荐模型Muse Spark 1.1 (low)它的得分接近这里的最高分（8.8 vs 8.8），同时成本比Claude Opus 4.8 (medium)低约 2.4 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 medium 发布日期: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16

指标	Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16
分数	8.8	8.8
排名	#16	#17
可靠性	10.0	10.0
一致性	9.6	8.5
测试正确
尝试通过率	84.1%	73.0%
不稳定测试	1	4
总运行次数	63	63
每个结果成本	6.512	3.606
总成本	$1.107	$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	61,007	59,923
输出令牌	26,495	3,722
推理令牌	5,901	88,947
响应时间（平均）	9.72s	10.11s
响应时间（最大）	38.03s	54.15s
响应时间（总计）	204.19s	212.29s

生成展示

Hamster playing table tennis

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

#16 Claude Opus 4.8

medium

成本: $0.057
时间: 23.1s
令牌: 2,412 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 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
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 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
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 4.8	9.8	10.0	100.0%	0		38.03s	23,561	5,260	1,588
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 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
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 4.8	5.3	10.0	33.3%	0		14.59s	975	7,477	900
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 4.8	10.0	10.0	100.0%	0		2.46s	708	237	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 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
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 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
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 4.8	10.0	10.0	100.0%	0		8.96s	11,775	301	225
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 4.8	3.0	10.0	0.0%	0		6.14s	258	451	214
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 4.7mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGLM 5.2medium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Muse Spark 1.1lowvsGPT-5.3-Codexmedium Muse Spark 1.1lowvsGLM 5medium 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 Muse Spark 1.1lowvsGPT-5.2 Chatnone Muse Spark 1.1lowvsStep 3.7 Flashmedium