AI BENCHY 对比

Google: Gemini 3.1 Flash Lite Preview 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 Preview (medium) benchmark 成本更低，为 $0.068 vs $1.440。 Gemini 3.1 Flash Lite Preview (medium) 更快，为 3.96s vs 29.16s，通过率为 61.9% vs 69.8%。

推荐模型Gemini 3.1 Flash Lite Preview (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 21.2 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 Preview Gemini 3.1 Flash Lite Preview medium 发布日期: 2026-03-03	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16

指标	Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium 发布日期: 2026-03-03	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16
分数	7.8	7.8
排名	#46	#41
可靠性	10.0	10.0
一致性	10.0	8.1
测试正确
尝试通过率	61.9%	69.8%
不稳定测试	0	5
总运行次数	63	61
每个结果成本	0.523	11.997
总成本	$0.068	$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	37,786	64,900
输出令牌	2,210	3,577
推理令牌	36,744	316,055
响应时间（平均）	3.96s	29.16s
响应时间（最大）	14.93s	196.03s
响应时间（总计）	83.06s	583.18s

生成展示

Hamster playing table tennis

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

#46 Gemini 3.1 Flash Lite Preview

medium

成本: $0.003
时间: 5.2s
令牌: 1,944 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 Preview	9.1	10.0	75.0%	0		2.33s	512	570	4,305
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 Preview	5.5	10.0	33.3%	0		4.09s	8,126	461	8,597
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 Preview	10.0	10.0	100.0%	0		14.93s	13,403	327	7,347
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 Preview	10.0	10.0	100.0%	0		2.29s	7,362	279	2,952
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 Preview	3.0	10.0	0.0%	0		4.21s	639	18	5,325
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 Preview	10.0	10.0	100.0%	0		3.16s	488	96	1,488
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 Preview	10.0	10.0	100.0%	0		1.91s	621	72	2,121
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 Preview	7.7	10.0	66.7%	0		5.30s	566	141	1,896
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 Preview	10.0	10.0	100.0%	0		3.80s	5,909	234	912
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 Preview	3.0	10.0	0.0%	0		2.68s	160	12	1,801
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 Muse Spark 1.1highvsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Claude Opus 4.8lowvsGemini 3.1 Flash Lite Previewmedium Muse Spark 1.1highvsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewmediumvsGPT-5.6 Terralow Muse Spark 1.1highvsQwen3.5 Plus 2026-04-20medium Gemini 3.1 Flash LitemediumvsMuse Spark 1.1high Gemini 3.1 Flash Lite PreviewmediumvsStep 3.7 Flashlow