Anthropic: Claude Sonnet 5 vs Meta: Muse Spark 1.1

Claude Sonnet 5 (medium) 平均分领先，为 8.3 vs 8.3。 Muse Spark 1.1 (low) benchmark 成本更低，为 $0.647 vs $0.922。 Muse Spark 1.1 (low) 更快，为 11.45s vs 12.52s，通过率为 80.3% vs 69.7%。

推荐模型Muse Spark 1.1 (low)它提供了最佳整体取舍：得分有竞争力（8.3），成本低于Claude Sonnet 5 (medium)，响应时间也较均衡。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Claude Sonnet 5 Claude Sonnet 5 medium 发布日期: 2026-06-30	Muse Spark 1.1 Muse Spark 1.1 low 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 low 发布日期: 2026-07-16
分数	8.3	8.3
排名	#23	#24
可靠性	10.0	10.0
一致性	9.0	8.5
测试正确
尝试通过率	80.3%	69.7%
不稳定测试	3	4
总运行次数	66	66
每个结果成本	5.760	4.975
总成本	$0.922	$0.647
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	145,956	142,298
输出令牌	52,333	10,847
推理令牌	10,874	99,467
响应时间（平均）	12.52s	11.45s
响应时间（最大）	66.71s	54.15s
响应时间（总计）	275.42s	251.92s

Hamster playing table tennis

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

#23 Claude Sonnet 5

medium

成本: $0.007
时间: 6.4s
令牌: 832 tok

#24 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 Sonnet 5	10.0	10.0	100.0%	0		3.80s	834	1,220	446
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 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		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 Sonnet 5	7.3	6.0	83.3%	1		51.86s	107,934	23,169	5,371
Muse Spark 1.1	6.6	9.1	50.0%	0		29.45s	103,652	8,010	17,369

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		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 Sonnet 5	7.7	10.0	66.7%	0		20.38s	975	12,140	1,994
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 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		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 Sonnet 5	9.9	10.0	100.0%	0		3.10s	909	318	269
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 Sonnet 5	7.7	10.0	66.7%	0		2.98s	894	407	121
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 Sonnet 5	10.0	10.0	100.0%	0		10.70s	12,351	433	90
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 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		8.17s	612	40	3,546

快速对比

切换对比组合

Gemini 2.5 FlashmediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGrok 4.5medium Claude Sonnet 5mediumvsGrok 4.5low Muse Spark 1.1lowvsGPT-5.2medium Muse Spark 1.1lowvsGPT-5 Minimedium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Muse Spark 1.1lowvsStep 3.7 Flashmedium Muse Spark 1.1lowvsGPT-5.2 Chatnone Muse Spark 1.1lowvsGLM 5.2high Claude Sonnet 5mediumvsMuse Spark 1.1high Muse Spark 1.1lowvsGPT-5.4medium Claude Sonnet 5mediumvsGPT-5.2 Chatnone