AI BENCHY 对比

Google: Gemini 3.1 Flash Lite vs Meta: Muse Spark 1.1

摘要

Muse Spark 1.1 (high) 平均分领先，为 7.8 vs 7.8。 Gemini 3.1 Flash Lite (medium) benchmark 成本更低，为 $0.071 vs $1.440。 Gemini 3.1 Flash Lite (medium) 更快，为 3.23s vs 29.16s，通过率为 65.1% vs 69.8%。

推荐模型Gemini 3.1 Flash Lite (medium)它的得分接近这里的最高分（7.8 vs 7.8），同时成本比Muse Spark 1.1 (high)低约 20.6 倍。

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

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite medium 发布日期: 2026-05-08	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16

指标	Gemini 3.1 Flash Lite Gemini 3.1 Flash Lite medium 发布日期: 2026-05-08	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16
分数	7.8	7.8
排名	#48	#41
可靠性	10.0	10.0
一致性	9.2	8.1
测试正确
尝试通过率	65.1%	69.8%
不稳定测试	2	5
总运行次数	63	61
每个结果成本	0.539	11.997
总成本	$0.071	$1.440
输入价格	$0.250 / 1M	$1.250 / 1M
输出价格	$1.500 / 1M	$4.250 / 1M
总输入令牌	36,808	64,900
输出令牌	2,254	3,577
推理令牌	38,300	316,055
响应时间（平均）	3.23s	29.16s
响应时间（最大）	10.87s	196.03s
响应时间（总计）	67.80s	583.18s

生成展示

Hamster playing table tennis

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

#48 Gemini 3.1 Flash Lite

medium

成本: $0.003
时间: 5.3s
令牌: 1,754 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
Gemini 3.1 Flash Lite	9.1	10.0	75.0%	0		2.39s	502	604	4,201
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 3.1 Flash Lite	5.5	10.0	33.3%	0		3.81s	8,134	459	8,978
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 3.1 Flash Lite	10.0	10.0	100.0%	0		10.87s	12,873	327	7,401
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
Gemini 3.1 Flash Lite	10.0	10.0	100.0%	0		2.60s	7,362	279	2,845
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 3.1 Flash Lite	2.9	7.2	11.1%	1		3.16s	643	15	5,165
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 3.1 Flash Lite	10.0	10.0	100.0%	0		2.60s	488	84	1,142
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 3.1 Flash Lite	9.9	10.0	100.0%	0		2.59s	623	75	3,320
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 3.1 Flash Lite	7.6	7.2	77.8%	1		1.95s	568	165	2,450
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 3.1 Flash Lite	10.0	10.0	100.0%	0		4.55s	5,457	234	921
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 3.1 Flash Lite	3.0	10.0	0.0%	0		3.08s	158	12	1,877
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 5mediumvsMuse Spark 1.1high Claude Sonnet 4.6mediumvsMuse Spark 1.1high Claude Opus 4.8lowvsGemini 3.1 Flash Litemedium Muse Spark 1.1highvsGrok 4.5low Muse Spark 1.1highvsQwen3.5-27Bmedium Gemini 3.1 Flash LitemediumvsGrok 4.5low Gemini 3.1 Flash LitemediumvsGPT-5.6 Terralow Gemini 3.1 Flash Lite PreviewmediumvsMuse Spark 1.1high Gemini 3.1 Flash LitemediumvsStep 3.7 Flashlow Gemini 3.1 Flash LitemediumvsGPT-5.6 Lunahigh