Muse Spark 1.1 (high) vs Qwen3.8 2.4T A95B (low)

已对比模型

排名: #109
总输出令牌: 505,566
响应时间（平均）: 37.41s
总成本: $2.570

排名: #104
总输出令牌: 424,019
响应时间（平均）: 120.40s
总成本: $4.016

推荐模型 Muse Spark 1.1 (high)

它在这里得分最高（8.4），同时成本比Qwen3.8 2.4T A95B (low)低约 1.6 倍。

详细对比

指标	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12

指标	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16	Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low 发布日期: 2026-08-12
分数	8.4	8.4
排名	#109	#104
可靠性	10.0	9.6
一致性	8.0	9.2
尝试次数	69/69	69/69
测试正确
尝试通过率	69.6%	73.9%
不稳定测试	6	2
总运行次数	69	69
每个结果成本	19.762	19.825
总成本	$2.570	$4.016
输入价格	$1.250 / 1M	$2.000 / 1M
输出价格	$4.250 / 1M	$6.000 / 1M
缓存读取价格	$0.150 / 1M	$0.250 / 1M
缓存写入价格	不适用	不适用
总输入令牌	336,310	313,881
输出令牌	10,838	123,706
推理令牌	494,728	388,328
响应时间（平均）	37.41s	120.40s
响应时间（最大）	196.03s	534.21s
响应时间（总计）	860.39s	2769.16s
参数量	~1T 总计 (~50B 激活)	2.4T 总计 (95B 激活)
开放状态	闭源	权重可用

缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

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

#109 Muse Spark 1.1

high

成本: $0.039
时间: 50.1s
令牌: 9,423 tok

#104 Qwen3.8 2.4T A95B

low

成本: $0.100
时间: 193.2s
令牌: 16,767 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:

智能体任务	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		49.67s	207,097	2,482	11,168
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		151.76s	200,602	2,661	13,832

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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		22.04s	1,104	397	4,814

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
Qwen3.8 2.4T A95B	7.8	9.3	66.7%	0		172.53s	6,716	21,405	57,399

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
Qwen3.8 2.4T A95B	8.2	6.9	66.7%	1		231.85s	85,267	8,008	50,681

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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		22.27s	7,956	839	2,445

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	2.9	4.4	22.2%	2		94.74s	1,062	345	195,595
Qwen3.8 2.4T A95B	3.2	9.3	0.0%	0		287.65s	1,008	16,133	156,114

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
Qwen3.8 2.4T A95B	6.1	3.1	66.7%	1		22.97s	606	44	1,497

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
Qwen3.8 2.4T A95B	9.8	10.0	100.0%	0		19.54s	903	263	1,480

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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		43.37s	1,026	1,154	25,563

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
Qwen3.8 2.4T A95B	10.0	10.0	100.0%	0		25.88s	8,481	302	975

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
Qwen3.8 2.4T A95B	3.0	10.0	0.0%	0		422.46s	212	72,500	73,528

切换对比组合