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 8.9。 Gemini 3.5 Flash (high) benchmark 成本更低，为 $1.115 vs $1.152。 Gemini 3.5 Flash (high) 更快，为 8.84s vs 23.35s，通过率为 96.8% vs 76.2%。

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 (medium)快约 2.6 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 medium 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 medium 发布日期: 2026-07-16
分数	9.8	8.9
排名	#1	#15
可靠性	10.0	10.0
一致性	9.6	9.2
测试正确
尝试通过率	96.8%	76.2%
不稳定测试	1	2
总运行次数	63	63
每个结果成本	5.575	7.676
总成本	$1.115	$1.152
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	59,928
输出令牌	1,975	3,523
推理令牌	115,638	249,752
响应时间（平均）	8.84s	23.35s
响应时间（最大）	34.82s	165.38s
响应时间（总计）	185.57s	490.40s

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

#15 Muse Spark 1.1

medium

成本: $0.024
时间: 29.2s
令牌: 5,774 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	10.0	10.0	100.0%	0		5.72s	2,334	657	8,260

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		15.66s	8,562	347	23,562

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		26.33s	21,282	838	11,595

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		4.96s	7,827	240	3,387

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		71.45s	2,016	105	109,166

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		4.41s	906	116	1,833

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	6.5	10.0	50.0%	0		6.31s	1,527	233	5,186

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	7.9	9.9	66.7%	0		42.49s	1,938	350	76,778

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		6.99s	12,924	598	1,610

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		18.45s	612	39	8,375

快速对比

切换对比组合

Gemini 3.5 FlashhighvsGPT-5.6 Sollow Muse Spark 1.1mediumvsKimi K3max Muse Spark 1.1mediumvsGPT-5.2 Chatnone Gemini 3.5 FlashlowvsMuse Spark 1.1medium Gemini 3.5 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.6 Solmedium Muse Spark 1.1mediumvsGPT-5.5low Muse Spark 1.1mediumvsGPT-5.6 Solhigh Gemini 3.5 FlashhighvsGPT-5.5low DeepSeek V4 FlashhighvsMuse Spark 1.1medium Claude Fable 5mediumvsGemini 3.5 Flashhigh Muse Spark 1.1mediumvsGPT-5.6 Terrahigh