- 排名
- #53
- 总输出令牌
- 363,989
- 响应时间（平均）
- 30.84s
- 总成本
- $1.709
Muse Spark 1.1 (high) vs Step 3.7 Flash (medium)
Muse Spark 1.1 (high) 平均分领先，为 8.0 vs 7.9。 Step 3.7 Flash (medium) benchmark 成本更低，为 $0.495 vs $1.709。 Step 3.7 Flash (medium) 更快，为 23.51s vs 30.84s，通过率为 68.2% vs 68.2%。
- 排名
- #61
- 总输出令牌
- 409,709
- 响应时间（平均）
- 23.51s
- 总成本
- $0.495
推荐模型
Step 3.7 Flash (medium)
它的得分接近这里的最高分（7.9 vs 8.0），同时成本比Muse Spark 1.1 (high)低约 3.5 倍。
详细对比
| 指标 | Muse Spark 1.1 Muse Spark 1.1 high | Step 3.7 Flash Step 3.7 Flash medium |
|---|---|---|
| 分数 | 8.0 | 7.9 |
| 排名 | #53 | #61 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.9 | 8.9 |
| 尝试次数 | 64/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 68.2% | 68.2% |
| 不稳定测试 | 6 | 3 |
| 总运行次数 | 64 | 66 |
| 每个结果成本 | 14.236 | 3.801 |
| 总成本 | $1.709 | $0.495 |
| 输入价格 | $1.250 / 1M | $0.200 / 1M |
| 输出价格 | $4.250 / 1M | $1.150 / 1M |
| 总输入令牌 | 129,003 | 114,191 |
| 输出令牌 | 8,340 | 409,709 |
| 推理令牌 | 355,649 | 0 |
| 响应时间（平均） | 30.84s | 23.51s |
| 响应时间（最大） | 196.03s | 152.83s |
| 响应时间（总计） | 647.67s | 517.21s |
| 参数量 | ~1T 总计 (~50B 激活) | 198B 总计 (11B 激活) |
| 开放状态 | 闭源 | 开源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#53 Muse Spark 1.1
high- 成本
- $0.039
- 时间
- 50.1s
- 令牌
- 9,423 tok
#61 Step 3.7 Flash
medium- 成本
- $0.006
- 时间
- 46.2s
- 令牌
- 4,466 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
| 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 | |
| Step 3.7 Flash | 8.7 | 7.9 | 91.7% | 1 | 9.65s | 756 | 32,185 | 0 |
| 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 | |
| Step 3.7 Flash | 8.8 | 7.8 | 88.9% | 1 | 27.42s | 7,437 | 44,797 | 0 |
| 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 | |
| Step 3.7 Flash | 7.3 | 5.8 | 83.3% | 1 | 80.94s | 87,764 | 114,720 | 0 |
| 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 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 7,398 | 3,020 | 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 | 2.9 | 4.4 | 22.2% | 2 | 60.59s | 852 | 329 | 67,684 | |
| Step 3.7 Flash | 5.3 | 10.0 | 33.3% | 0 | 27.26s | 837 | 52,484 | 0 |
| 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 | |
| Step 3.7 Flash | 4.0 | 10.0 | 0.0% | 0 | 6.85s | 525 | 3,987 | 0 |
| 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 | |
| Step 3.7 Flash | 9.8 | 10.0 | 100.0% | 0 | 1.83s | 735 | 2,166 | 0 |
| 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 | |
| Step 3.7 Flash | 5.7 | 9.9 | 33.3% | 0 | 6.19s | 756 | 15,071 | 0 |
| 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 | |
| Step 3.7 Flash | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 7,746 | 2,115 | 0 |
| 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 | |
| Step 3.7 Flash | 3.0 | 10.0 | 0.0% | 0 | 113.98s | 237 | 139,164 | 0 |
快速对比
切换对比组合
GPT-5.2 ChatnonevsStep 3.7 FlashmediumKimi K3maxvsStep 3.7 FlashmediumQwen3.8 27BlowvsStep 3.7 FlashmediumDeepSeek V4 Flash 0731lowvsMuse Spark 1.1highGPT-5.6 TerrahighvsStep 3.7 FlashmediumMuse Spark 1.1highvsGPT-5 MinimediumMuse Spark 1.1highvsQwen3.8 2.4T A95BlowStep 3.7 FlashmediumvsGLM 5.2highMuse Spark 1.1highvsInklingmediumDeepSeek V4 Flash 0731highvsStep 3.7 FlashmediumDeepSeek V4 Flash 0731lowvsStep 3.7 FlashmediumMuse Spark 1.1highvsKimi K3max