AI BENCHY 对比

DeepSeek: DeepSeek V4 Flash vs Meta: Muse Spark 1.1

摘要

Muse Spark 1.1 (medium) 平均分领先，为 8.9 vs 8.3。 DeepSeek V4 Flash (high) benchmark 成本更低，为 $0.029 vs $1.152。 Muse Spark 1.1 (medium) 更快，为 23.35s vs 45.85s，通过率为 74.6% vs 76.2%。

推荐模型DeepSeek V4 Flash (high)它的得分接近这里的最高分（8.3 vs 8.9），同时成本比Muse Spark 1.1 (medium)低约 40.5 倍。

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

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Muse Spark 1.1 Muse Spark 1.1 medium 发布日期: 2026-07-16

指标	DeepSeek V4 Flash DeepSeek V4 Flash high 发布日期: 2026-04-24	Muse Spark 1.1 Muse Spark 1.1 medium 发布日期: 2026-07-16
分数	8.3	8.9
排名	#30	#15
可靠性	10.0	10.0
一致性	8.5	9.2
测试正确
尝试通过率	74.6%	76.2%
不稳定测试	4	2
总运行次数	63	63
每个结果成本	0.299	7.676
总成本	$0.029	$1.152
输入价格	$0.098 / 1M	$1.250 / 1M
输出价格	$0.196 / 1M	$4.250 / 1M
总输入令牌	39,745	59,928
输出令牌	10,310	3,523
推理令牌	123,501	249,752
响应时间（平均）	45.85s	23.35s
响应时间（最大）	218.13s	165.38s
响应时间（总计）	962.79s	490.40s

生成展示

Hamster playing table tennis

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

#30 DeepSeek V4 Flash

high

成本: $0.003
时间: 93.1s
令牌: 7,926 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
DeepSeek V4 Flash	8.3	10.0	75.0%	0		28.51s	540	140	7,770
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
DeepSeek V4 Flash	7.8	10.0	66.7%	0		50.60s	7,279	395	34,862
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
DeepSeek V4 Flash	10.0	10.0	100.0%	0		76.57s	14,016	465	7,347
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
DeepSeek V4 Flash	10.0	10.0	100.0%	0		28.03s	7,290	201	1,179
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
DeepSeek V4 Flash	4.1	4.4	44.5%	2		100.31s	666	27	59,249
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
DeepSeek V4 Flash	6.1	3.1	66.7%	1		25.15s	471	79	632
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
DeepSeek V4 Flash	10.0	10.0	100.0%	0		15.36s	627	63	1,622
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
DeepSeek V4 Flash	8.2	7.2	88.9%	1		26.11s	594	196	1,767
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
DeepSeek V4 Flash	10.0	10.0	100.0%	0		74.73s	8,079	228	542
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
DeepSeek V4 Flash	3.0	10.0	0.0%	0		54.46s	183	8,516	8,531
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