AI BENCHY 对比

Meta: Muse Spark 1.1 vs MoonshotAI: Kimi K2.6

摘要

Muse Spark 1.1 (high) 平均分领先，为 7.8 vs 7.8。 Kimi K2.6 (medium) benchmark 成本更低，为 $1.047 vs $1.440。 Muse Spark 1.1 (high) 更快，为 29.16s vs 71.67s，通过率为 69.8% vs 65.1%。

推荐模型Muse Spark 1.1 (high)它在这里得分最高（7.8），同时响应速度比Kimi K2.6 (medium)快约 2.5 倍。

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

指标	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16	Kimi K2.6 Kimi K2.6 medium 发布日期: 2026-04-20 免费可用

指标	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16	Kimi K2.6 Kimi K2.6 medium 发布日期: 2026-04-20 免费可用
分数	7.8	7.8
排名	#41	#49
可靠性	10.0	10.0
一致性	8.1	8.6
测试正确
尝试通过率	69.8%	65.1%
不稳定测试	5	3
总运行次数	61	63
每个结果成本	11.997	8.358
总成本	$1.440	$1.047
输入价格	$1.250 / 1M	$0.950 / 1M
输出价格	$4.250 / 1M	$4.000 / 1M
总输入令牌	64,900	29,450
输出令牌	3,577	102,923
推理令牌	316,055	254,094
响应时间（平均）	29.16s	71.67s
响应时间（最大）	196.03s	406.78s
响应时间（总计）	583.18s	1433.36s

生成展示

Hamster playing table tennis

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

#41 Muse Spark 1.1

high

成本: $0.039
时间: 50.1s
令牌: 9,423 tok

#49 MoonshotAI: Kimi K2.6

medium

成本: $0.013
时间: 103.4s
令牌: 3,620 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
Muse Spark 1.1	7.5	8.4	66.7%	1		8.60s	2,334	516	13,023
Kimi K2.6	7.0	8.0	66.7%	1		11.59s	618	7,115	8,934

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
Muse Spark 1.1	10.0	10.0	100.0%	0		22.92s	8,562	349	36,039
Kimi K2.6	5.7	8.6	33.3%	0		214.42s	2,925	9,970	77,189

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
Muse Spark 1.1	4.5	2.1	66.7%	1		62.41s	25,559	1,035	32,073
Kimi K2.6	10.0	10.0	100.0%	0		40.96s	11,271	711	13,876

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
Muse Spark 1.1	10.0	10.0	100.0%	0		8.40s	7,827	240	5,907
Kimi K2.6	10.0	10.0	100.0%	0		20.38s	7,014	316	11,305

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
Muse Spark 1.1	3.5	4.4	33.3%	2		67.39s	1,272	66	64,456
Kimi K2.6	5.3	7.2	44.4%	1		202.38s	326	47,035	98,262

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
Muse Spark 1.1	10.0	10.0	100.0%	0		7.73s	906	116	3,390
Kimi K2.6	10.0	10.0	100.0%	0		17.83s	477	3,981	4,472

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
Muse Spark 1.1	6.4	6.0	66.7%	1		7.81s	1,527	193	7,158
Kimi K2.6	10.0	10.0	100.0%	0		12.53s	669	3,977	5,269

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
Muse Spark 1.1	7.8	9.9	66.7%	0		69.96s	1,938	225	140,780
Kimi K2.6	6.0	7.4	55.6%	1		25.06s	651	13,860	17,599

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
Muse Spark 1.1	9.6	10.0	100.0%	0		9.88s	14,363	795	2,938
Kimi K2.6	10.0	10.0	100.0%	0		8.92s	5,286	248	1,011

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
Muse Spark 1.1	3.0	10.0	0.0%	0		22.93s	612	42	10,291
Kimi K2.6	3.0	10.0	0.0%	0		130.27s	213	15,710	16,177

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 Opus 4.8lowvsKimi K2.6medium免费可用 Claude Sonnet 4.6mediumvsMuse Spark 1.1high Muse Spark 1.1highvsGrok 4.5low Kimi K2.6medium免费可用vsGPT-5.6 Terralow Muse Spark 1.1highvsQwen3.5-27Bmedium Kimi K2.6medium免费可用vsStep 3.7 Flashlow Kimi K2.6medium免费可用vsGPT-5.6 Lunahigh Kimi K2.6medium免费可用vsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsMuse Spark 1.1high