AI BENCHY 对比

Google: Gemini 3.5 Flash vs Meta: Muse Spark 1.1

摘要

Gemini 3.5 Flash (low) 平均分领先，为 9.2 vs 8.9。 Gemini 3.5 Flash (low) benchmark 成本更低，为 $0.349 vs $1.152。 Gemini 3.5 Flash (low) 更快，为 3.27s vs 23.35s，通过率为 90.5% vs 76.2%。

推荐模型Gemini 3.5 Flash (low)它在这里得分最高（9.2），同时成本比Muse Spark 1.1 (medium)低约 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 low 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 low 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	9.2	8.9
排名	#8	#15
可靠性	10.0	10.0
一致性	10.0	9.2
测试正确
尝试通过率	90.5%	76.2%
不稳定测试	0	2
总运行次数	63	63
每个结果成本	1.834	7.676
总成本	$0.349	$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	36,938	59,928
输出令牌	2,033	3,523
推理令牌	30,519	249,752
响应时间（平均）	3.27s	23.35s
响应时间（最大）	9.05s	165.38s
响应时间（总计）	68.65s	490.40s

生成展示

Hamster playing table tennis

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

#8 Gemini 3.5 Flash

low

成本: $0.068
时间: 39.1s
令牌: 7,588 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		2.52s	494	209	2,536
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	7.8	10.0	66.7%	0		6.71s	8,118	458	13,420
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		6.44s	12,873	351	3,050
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		1.81s	7,548	279	1,164
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	7.7	10.0	66.7%	0		3.39s	633	12	4,538
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		2.27s	486	119	916
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	9.9	10.0	100.0%	0		1.86s	615	71	1,652
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		2.35s	558	288	2,150
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	10.0	10.0	100.0%	0		3.27s	5,457	234	403
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		1.88s	156	12	690
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

Claude Fable 5mediumvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGPT-5.6 Solhigh Gemini 3.5 FlashlowvsGPT-5.6 Solmedium Gemini 3.5 FlashlowvsQwen3.7 Maxmedium Gemini 3.5 FlashlowvsGPT-5.5medium Muse Spark 1.1mediumvsKimi K3max Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Gemini 3.5 FlashlowvsQwen3.6 Max Previewmedium Muse Spark 1.1mediumvsGPT-5.2 Chatnone Claude Opus 4.8mediumvsGemini 3.5 Flashlow Muse Spark 1.1mediumvsGPT-5.5low Muse Spark 1.1mediumvsGPT-5.6 Solhigh