Meta: Muse Spark 1.1 vs OpenAI: GPT-5.6 Sol

GPT-5.6 Sol (medium) 平均分领先，为 9.4 vs 8.1。 GPT-5.6 Sol (medium) benchmark 成本更低，为 $1.316 vs $1.694。 GPT-5.6 Sol (medium) 更快，为 11.35s vs 31.49s，通过率为 69.7% vs 90.9%。

推荐模型GPT-5.6 Sol (medium)它在这里得分最高（9.4），同时响应速度比Muse Spark 1.1 (high)快约 2.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-21

指标	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16	GPT-5.6 Sol GPT-5.6 Sol medium 发布日期: 2026-07-09

指标	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16	GPT-5.6 Sol GPT-5.6 Sol medium 发布日期: 2026-07-09
分数	8.1	9.4
排名	#30	#7
可靠性	10.0	10.0
一致性	7.9	8.9
测试正确
尝试通过率	69.7%	90.9%
不稳定测试	6	3
总运行次数	64	66
每个结果成本	14.116	7.311
总成本	$1.694	$1.316
输入价格	$1.250 / 1M	$5.000 / 1M
输出价格	$4.250 / 1M	$30.000 / 1M
总输入令牌	129,423	78,997
输出令牌	8,077	4,696
推理令牌	352,421	26,002
响应时间（平均）	31.49s	11.35s
响应时间（最大）	196.03s	79.40s
响应时间（总计）	661.28s	249.73s

Hamster playing table tennis

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

#30 Muse Spark 1.1

high

成本: $0.039
时间: 50.1s
令牌: 9,423 tok

#7 GPT-5.6 Sol

medium

成本: $0.124
时间: 57.2s
令牌: 4,199 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
GPT-5.6 Sol	10.0	10.0	100.0%	0		2.81s	606	173	572

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
GPT-5.6 Sol	10.0	10.0	100.0%	0		9.40s	7,302	394	4,706

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	5.9	2.9	66.7%	2		70.25s	90,082	5,535	68,439
GPT-5.6 Sol	10.0	10.0	100.0%	0		17.65s	55,798	3,119	2,616

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
GPT-5.6 Sol	10.0	10.0	100.0%	0		1.38s	7,140	222	0

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
GPT-5.6 Sol	5.9	7.2	55.6%	1		47.86s	723	71	16,201

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
GPT-5.6 Sol	10.0	10.0	100.0%	0		3.48s	477	99	214

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
GPT-5.6 Sol	10.0	10.0	100.0%	0		2.50s	660	96	249

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
GPT-5.6 Sol	8.2	7.2	88.9%	1		2.98s	642	228	566

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
GPT-5.6 Sol	10.0	10.0	100.0%	0		6.30s	5,454	264	361

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
GPT-5.6 Sol	4.7	1.6	66.7%	1		4.94s	195	30	517

快速对比

切换对比组合

Gemini 3.6 FlashlowvsGPT-5.6 Solmedium Muse Spark 1.1highvsGPT-5 Minimedium Muse Spark 1.1highvsStep 3.7 Flashmedium Muse Spark 1.1highvsGPT-5.2 Chatnone Muse Spark 1.1highvsInklingmedium Muse Spark 1.1highvsKimi K3max Gemini 2.5 FlashmediumvsMuse Spark 1.1high Gemini 3.5 FlashhighvsGPT-5.6 Solmedium Seed-2.0-LitemediumvsMuse Spark 1.1high Muse Spark 1.1highvsQwen3.7 Plusmedium Muse Spark 1.1highvsQwen3.6 Plusmedium Muse Spark 1.1highvsGLM 5.2medium