AI BENCHY 对比

Google: Gemini 3.5 Flash vs Meta: Muse Spark 1.1

摘要

Gemini 3.5 Flash (high) 平均分领先，为 9.8 vs 7.8。 Gemini 3.5 Flash (high) benchmark 成本更低，为 $1.115 vs $1.440。 Gemini 3.5 Flash (high) 更快，为 8.84s vs 29.16s，通过率为 96.8% vs 69.8%。

推荐模型Gemini 3.5 Flash (high)它在这里得分最高（9.8），同时响应速度比Muse Spark 1.1 (high)快约 3.3 倍。

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

指标	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16

指标	Gemini 3.5 Flash Gemini 3.5 Flash high 发布日期: 2026-05-19	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16
分数	9.8	7.8
排名	#1	#41
可靠性	10.0	10.0
一致性	9.6	8.1
测试正确
尝试通过率	96.8%	69.8%
不稳定测试	1	5
总运行次数	63	61
每个结果成本	5.575	11.997
总成本	$1.115	$1.440
输入价格	$1.500 / 1M	$1.250 / 1M
输出价格	$9.000 / 1M	$4.250 / 1M
总输入令牌	37,594	64,900
输出令牌	1,975	3,577
推理令牌	115,638	316,055
响应时间（平均）	8.84s	29.16s
响应时间（最大）	34.82s	196.03s
响应时间（总计）	185.57s	583.18s

生成展示

Hamster playing table tennis

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

#1 Gemini 3.5 Flash

high

成本: $0.208
时间: 118.2s
令牌: 23,158 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 3.5 Flash	10.0	10.0	100.0%	0		2.57s	492	174	4,997
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 3.5 Flash	10.0	10.0	100.0%	0		22.96s	8,118	456	47,129
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 3.5 Flash	10.0	10.0	100.0%	0		22.37s	12,873	351	16,323
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 3.5 Flash	10.0	10.0	100.0%	0		6.43s	7,548	279	8,466
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 3.5 Flash	7.6	7.2	77.8%	1		14.09s	633	12	24,721
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 3.5 Flash	10.0	10.0	100.0%	0		3.63s	486	115	1,650
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 3.5 Flash	10.0	10.0	100.0%	0		3.35s	615	70	3,799
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 3.5 Flash	10.0	10.0	100.0%	0		3.23s	558	241	4,940
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 3.5 Flash	9.8	10.0	100.0%	0		4.96s	6,115	265	1,608
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 3.5 Flash	10.0	10.0	100.0%	0		3.94s	156	12	2,005
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 Muse Spark 1.1highvsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewmediumvsMuse Spark 1.1high Muse Spark 1.1highvsQwen3.5 Plus 2026-04-20medium Gemini 3.1 Flash LitemediumvsMuse Spark 1.1high Muse Spark 1.1highvsKimi K2.6medium免费可用 Muse Spark 1.1highvsQwen3.5-122B-A10Bmedium Claude Opus 4.8lowvsMuse Spark 1.1high