#25 Gemini 2.5 Flash
medium
无效SVG
- 成本
- $0.000
- 时间
- 274.0s
- 令牌
- 0 tok
Google: Gemini 2.5 Flash vs Meta: Muse Spark 1.1
Gemini 2.5 Flash (medium) 平均分领先，为 8.2 vs 8.1。 Gemini 2.5 Flash (medium) benchmark 成本更低，为 $0.643 vs $1.694。 Gemini 2.5 Flash (medium) 更快，为 21.18s vs 31.49s，通过率为 71.2% vs 69.7%。
推荐模型Gemini 2.5 Flash (medium)它在这里得分最高（8.2），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：: 2026-07-17
| 指标 | Gemini 2.5 Flash Gemini 2.5 Flash medium | Muse Spark 1.1 Muse Spark 1.1 high |
|---|---|---|
| 分数 | 8.2 | 8.1 |
| 排名 | #25 | #27 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 71.2% | 69.7% |
| 不稳定测试 | 1 | 6 |
| 总运行次数 | 66 | 64 |
| 每个结果成本 | 4.286 | 14.116 |
| 总成本 | $0.643 | $1.694 |
| 输入价格 | $0.300 / 1M | $1.250 / 1M |
| 输出价格 | $2.500 / 1M | $4.250 / 1M |
| 总输入令牌 | 132,498 | 129,423 |
| 输出令牌 | 12,739 | 8,077 |
| 推理令牌 | 228,464 | 352,421 |
| 响应时间（平均） | 21.18s | 31.49s |
| 响应时间（最大） | 140.50s | 196.03s |
| 响应时间（总计） | 465.89s | 661.28s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#27 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
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 8.4 | 10.0 | 75.0% | 0 | 6.30s | 492 | 255 | 10,233 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 7.8 | 10.0 | 66.7% | 0 | 41.01s | 6,669 | 543 | 32,303 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 84.47s | 110,544 | 11,112 | 95,241 | |
| Muse Spark 1.1 | 5.9 | 2.9 | 66.7% | 2 | 70.25s | 90,082 | 5,535 | 68,439 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.06s | 7,257 | 279 | 2,325 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 5.9 | 7.2 | 55.6% | 1 | 37.34s | 633 | 18 | 80,702 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 4.8 | 10.0 | 0.0% | 0 | 4.86s | 486 | 92 | 1,899 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 9.8 | 10.0 | 100.0% | 0 | 2.62s | 615 | 69 | 1,203 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 7.7 | 10.0 | 66.7% | 0 | 3.18s | 558 | 126 | 2,499 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 10.0 | 10.0 | 100.0% | 0 | 6.20s | 5,088 | 234 | 1,140 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 2.5 Flash | 3.0 | 10.0 | 0.0% | 0 | 2.76s | 156 | 11 | 919 | |
| 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 1.1highvsGPT-5 MinimediumGemini 2.5 FlashmediumvsMuse Spark 1.1lowMuse Spark 1.1highvsStep 3.7 FlashmediumMuse Spark 1.1highvsGPT-5.2 ChatnoneMuse Spark 1.1highvsKimi K3maxGemini 2.5 FlashmediumvsGrok 4.5lowSeed-2.0-LitemediumvsMuse Spark 1.1highGemini 2.5 FlashmediumvsGPT-5.2 ChatnoneGemini 2.5 FlashmediumvsGLM 5.2highMuse Spark 1.1highvsQwen3.7 PlusmediumMuse Spark 1.1highvsQwen3.6 PlusmediumMuse Spark 1.1highvsGLM 5.2medium