AI BENCHY 对比

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

摘要

平均分几乎持平，为 7.8 vs 7.8。 GPT-5.6 Terra (medium) benchmark 成本更低，为 $0.496 vs $1.440。 GPT-5.6 Terra (medium) 更快，为 6.69s vs 29.16s，通过率为 69.8% vs 68.3%。

推荐模型GPT-5.6 Terra (medium)它在这里得分最高（7.8），同时成本比Muse Spark 1.1 (high)低约 2.9 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	GPT-5.6 Terra GPT-5.6 Terra 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 Terra GPT-5.6 Terra medium 发布日期: 2026-07-09
分数	7.8	7.8
排名	#41	#43
可靠性	10.0	10.0
一致性	8.1	9.2
测试正确
尝试通过率	69.8%	68.3%
不稳定测试	5	2
总运行次数	61	63
每个结果成本	11.997	3.815
总成本	$1.440	$0.496
输入价格	$1.250 / 1M	$2.500 / 1M
输出价格	$4.250 / 1M	$15.000 / 1M
总输入令牌	64,900	34,218
输出令牌	3,577	1,982
推理令牌	316,055	25,370
响应时间（平均）	29.16s	6.69s
响应时间（最大）	196.03s	41.68s
响应时间（总计）	583.18s	140.49s

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

#43 GPT-5.6 Terra

medium

成本: $0.035
时间: 16.3s
令牌: 2,418 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 Terra	8.3	10.0	75.0%	0		2.22s	606	172	657

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 Terra	6.1	7.2	55.6%	1		7.19s	7,302	427	4,527

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
GPT-5.6 Terra	10.0	10.0	100.0%	0		6.26s	11,019	316	540

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 Terra	10.0	10.0	100.0%	0		872ms	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 Terra	5.3	10.0	33.3%	0		23.45s	723	70	15,327

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 Terra	5.5	10.0	0.0%	0		2.37s	477	133	144

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 Terra	10.0	10.0	100.0%	0		1.43s	660	89	261

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 Terra	8.4	7.4	88.9%	1		3.78s	642	272	1,462

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 Terra	10.0	10.0	100.0%	0		5.09s	5,454	254	246

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 Terra	3.0	10.0	0.0%	0		10.05s	195	27	2,206

快速对比

切换对比组合

Muse Spark 1.1highvsQwen3.6 Plusmedium Claude Sonnet 5mediumvsMuse Spark 1.1high GPT-5.6 TerramediumvsGrok 4.5low Claude Sonnet 4.6mediumvsMuse Spark 1.1high Muse Spark 1.1highvsGrok 4.5low Muse Spark 1.1highvsQwen3.5-27Bmedium Gemini 3.1 Flash Lite PreviewmediumvsMuse Spark 1.1high Muse Spark 1.1highvsQwen3.5 Plus 2026-04-20medium Gemini 3.1 Flash LitemediumvsMuse Spark 1.1high Muse Spark 1.1highvsKimi K2.6medium免费可用 Claude Opus 4.8lowvsGPT-5.6 Terramedium Muse Spark 1.1highvsQwen3.5-122B-A10Bmedium