AI BENCHY 对比

Anthropic: Claude Sonnet 5 vs Meta: Muse Spark 1.1

摘要

平均分几乎持平，为 7.9 vs 7.8。 Claude Sonnet 5 (medium) benchmark 成本更低，为 $0.550 vs $1.440。 Claude Sonnet 5 (medium) 更快，为 9.94s vs 29.16s，通过率为 79.4% vs 69.8%。

推荐模型Claude Sonnet 5 (medium)它在这里得分最高（7.9），同时成本比Muse Spark 1.1 (high)低约 2.6 倍。

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

指标	Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16

指标	Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16
分数	7.9	7.8
排名	#40	#41
可靠性	10.0	10.0
一致性	9.0	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	3.662	11.997
总成本	$0.550	$1.440
输入价格	$2.000 / 1M	$1.250 / 1M
输出价格	$10.000 / 1M	$4.250 / 1M
总输入令牌	67,416	64,900
输出令牌	34,012	3,577
推理令牌	7,673	316,055
响应时间（平均）	9.94s	29.16s
响应时间（最大）	56.94s	196.03s
响应时间（总计）	208.71s	583.18s

生成展示

Hamster playing table tennis

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

#40 Claude Sonnet 5

medium

成本: $0.007
时间: 6.4s
令牌: 832 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 Sonnet 5	10.0	10.0	100.0%	0		3.80s	834	1,220	446
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 Sonnet 5	9.0	7.9	88.9%	1		17.28s	10,590	13,153	2,379
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 Sonnet 5	4.5	2.1	66.7%	1		37.01s	29,394	4,848	2,170
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 Sonnet 5	10.0	10.0	100.0%	0		3.16s	10,503	312	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 Sonnet 5	7.7	10.0	66.7%	0		20.38s	975	12,140	1,994
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 Sonnet 5	4.8	3.2	33.3%	1		4.32s	708	264	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 Sonnet 5	9.9	10.0	100.0%	0		3.10s	909	318	269
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 Sonnet 5	7.7	10.0	66.7%	0		2.98s	894	407	121
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 Sonnet 5	10.0	10.0	100.0%	0		10.70s	12,351	433	90
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 Sonnet 5	3.0	10.0	0.0%	0		7.06s	258	917	204
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 Muse Spark 1.1highvsGPT-5.6 Terramedium Claude Sonnet 4.6mediumvsMuse Spark 1.1high Muse Spark 1.1highvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low Muse Spark 1.1highvsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewmediumvsMuse Spark 1.1high Muse Spark 1.1highvsQwen3.5 Plus 2026-04-20medium Gemini 3.1 Flash LitemediumvsMuse Spark 1.1high Muse Spark 1.1highvsKimi K2.6medium免费可用 Muse Spark 1.1highvsQwen3.5-122B-A10Bmedium Claude Opus 4.8lowvsMuse Spark 1.1high