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 8.8。 Muse Spark 1.1 (low) benchmark 成本更低，为 $0.469 vs $1.115。 Gemini 3.5 Flash (high) 更快，为 8.84s vs 10.11s，通过率为 96.8% vs 73.0%。

推荐模型Gemini 3.5 Flash (high)它在本次比较中得分最高（9.8），并且在全部 2 个模型中兼顾成本和响应时间最好。

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 low 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 low 发布日期: 2026-07-16
分数	9.8	8.8
排名	#1	#17
可靠性	10.0	10.0
一致性	9.6	8.5
测试正确
尝试通过率	96.8%	73.0%
不稳定测试	1	4
总运行次数	63	63
每个结果成本	5.575	3.606
总成本	$1.115	$0.469
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	59,923
输出令牌	1,975	3,722
推理令牌	115,638	88,947
响应时间（平均）	8.84s	10.11s
响应时间（最大）	34.82s	54.15s
响应时间（总计）	185.57s	212.29s

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

#17 Muse Spark 1.1

low

成本: $0.020
时间: 39.2s
令牌: 4,947 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	7.9	6.3	83.3%	2		4.36s	2,334	621	6,040

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		10.34s	8,562	394	14,503

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	9.6	10.0	100.0%	0		19.26s	21,277	885	6,849

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		3.22s	7,827	240	2,074

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	2.9	7.2	11.1%	1		29.73s	2,016	235	42,049

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		4.12s	906	131	1,125

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	7.3	6.0	83.3%	1		5.42s	1,527	252	4,246

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	8.3	10.0	66.7%	0		6.60s	1,938	391	7,503

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	9.8	10.0	100.0%	0		5.98s	12,924	533	1,012

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		8.17s	612	40	3,546

快速对比

切换对比组合

Claude Opus 4.7mediumvsMuse Spark 1.1low Claude Opus 4.8mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGLM 5.2medium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Muse Spark 1.1lowvsGPT-5.3-Codexmedium Muse Spark 1.1lowvsGLM 5medium Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5 Minimedium Muse Spark 1.1lowvsGPT-5.5medium Muse Spark 1.1lowvsGPT-5.4medium Seed-2.0-LitemediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGPT-5.2 Chatnone