AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs Meta: Muse Spark 1.1

摘要

平均分几乎持平，为 8.8 vs 8.9。 Claude Opus 4.8 (medium) benchmark 成本更低，为 $1.107 vs $1.152。 Claude Opus 4.8 (medium) 更快，为 9.72s vs 23.35s，通过率为 84.1% vs 76.2%。

推荐模型Claude Opus 4.8 (medium)它在这里得分最高（8.8），同时响应速度比Muse Spark 1.1 (medium)快约 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 medium 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 medium 发布日期: 2026-07-16
分数	8.8	8.9
排名	#16	#15
可靠性	10.0	10.0
一致性	9.6	9.2
测试正确
尝试通过率	84.1%	76.2%
不稳定测试	1	2
总运行次数	63	63
每个结果成本	6.512	7.676
总成本	$1.107	$1.152
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	59,928
输出令牌	26,495	3,523
推理令牌	5,901	249,752
响应时间（平均）	9.72s	23.35s
响应时间（最大）	38.03s	165.38s
响应时间（总计）	204.19s	490.40s

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

#15 Muse Spark 1.1

medium

成本: $0.024
时间: 29.2s
令牌: 5,774 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	10.0	10.0	100.0%	0		5.72s	2,334	657	8,260

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		15.66s	8,562	347	23,562

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		26.33s	21,282	838	11,595

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		4.96s	7,827	240	3,387

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	3.5	4.4	33.3%	2		71.45s	2,016	105	109,166

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		4.41s	906	116	1,833

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	6.5	10.0	50.0%	0		6.31s	1,527	233	5,186

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	7.9	9.9	66.7%	0		42.49s	1,938	350	76,778

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		6.99s	12,924	598	1,610

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		18.45s	612	39	8,375

快速对比

切换对比组合

Claude Opus 4.8mediumvsMuse Spark 1.1low Claude Opus 4.8mediumvsKimi K3max Muse Spark 1.1mediumvsKimi K3max Claude Opus 4.8mediumvsGPT-5.2 Chatnone Muse Spark 1.1mediumvsGPT-5.2 Chatnone Gemini 3.5 FlashlowvsMuse Spark 1.1medium Claude Opus 4.8mediumvsGemini 3.5 Flashlow Muse Spark 1.1mediumvsGPT-5.5low Claude Opus 4.8mediumvsGPT-5.5low Muse Spark 1.1mediumvsGPT-5.6 Solhigh Claude Opus 4.8mediumvsGPT-5.6 Solhigh Claude Opus 4.8mediumvsDeepSeek V4 Flashhigh