AI BENCHY 对比

Meta: Muse Spark 1.1 vs Qwen: Qwen3.6 Plus

摘要

平均分几乎持平，为 7.8 vs 7.8。 Qwen3.6 Plus (medium) benchmark 成本更低，为 $0.294 vs $1.440。 Muse Spark 1.1 (high) 更快，为 29.16s vs 30.70s，通过率为 69.8% vs 69.8%。

推荐模型Qwen3.6 Plus (medium)它在这里得分最高（7.8），同时成本比Muse Spark 1.1 (high)低约 4.9 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	Qwen3.6 Plus Qwen3.6 Plus medium 发布日期: 2026-04-20

指标	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16	Qwen3.6 Plus Qwen3.6 Plus medium 发布日期: 2026-04-20
分数	7.8	7.8
排名	#41	#42
可靠性	10.0	10.0
一致性	8.1	9.3
测试正确
尝试通过率	69.8%	69.8%
不稳定测试	5	2
总运行次数	61	63
每个结果成本	11.997	0.831
总成本	$1.440	$0.294
输入价格	$1.250 / 1M	$0.325 / 1M
输出价格	$4.250 / 1M	$1.950 / 1M
总输入令牌	64,900	41,565
输出令牌	3,577	1,853
推理令牌	316,055	141,973
响应时间（平均）	29.16s	30.70s
响应时间（最大）	196.03s	201.68s
响应时间（总计）	583.18s	613.99s

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

#42 Qwen3.6 Plus

medium

成本: $0.024
时间: 219.0s
令牌: 12,235 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
Qwen3.6 Plus	10.0	10.0	100.0%	0		9.90s	672	207	7,557

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
Qwen3.6 Plus	6.1	7.8	44.4%	1		153.12s	7,098	58	50,586

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		34.95s	14,934	452	13,073

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		14.95s	7,782	270	10,706

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
Qwen3.6 Plus	2.9	7.2	11.1%	1		29.59s	771	56	33,464

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
Qwen3.6 Plus	5.1	10.0	0.0%	0		27.05s	516	111	5,232

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		7.54s	699	102	5,552

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		6.34s	696	309	6,712

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
Qwen3.6 Plus	10.0	10.0	100.0%	0		5.87s	8,193	267	1,330

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
Qwen3.6 Plus	3.0	10.0	0.0%	0		47.51s	204	21	7,761

快速对比

切换对比组合

Muse Spark 1.1highvsGPT-5.6 Terramedium Claude Sonnet 5mediumvsMuse Spark 1.1high Claude Sonnet 4.6mediumvsMuse Spark 1.1high Qwen3.6 PlusmediumvsGrok 4.5low 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 Muse Spark 1.1highvsQwen3.5-122B-A10Bmedium Claude Opus 4.8lowvsQwen3.6 Plusmedium