AI BENCHY 对比

Meta: Muse Spark 1.1 vs xAI: Grok 4.5

摘要

平均分几乎持平，为 7.8 vs 7.8。 Grok 4.5 (low) benchmark 成本更低，为 $0.760 vs $1.440。 Grok 4.5 (low) 更快，为 15.48s vs 29.16s，通过率为 69.8% vs 74.6%。

推荐模型Grok 4.5 (low)它在这里得分最高（7.8），同时成本比Muse Spark 1.1 (high)低约 1.9 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	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08

指标	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16	Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数	7.8	7.8
排名	#41	#45
可靠性	10.0	10.0
一致性	8.1	9.7
测试正确
尝试通过率	69.8%	74.6%
不稳定测试	5	1
总运行次数	61	63
每个结果成本	11.997	5.061
总成本	$1.440	$0.760
输入价格	$1.250 / 1M	$2.000 / 1M
输出价格	$4.250 / 1M	$6.000 / 1M
总输入令牌	64,900	58,652
输出令牌	3,577	1,735
推理令牌	316,055	105,233
响应时间（平均）	29.16s	15.48s
响应时间（最大）	196.03s	205.28s
响应时间（总计）	583.18s	324.98s

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

#45 xAI: Grok 4.5

low

成本: $0.011
时间: 12.4s
令牌: 2,018 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
Grok 4.5	10.0	10.0	100.0%	0		2.75s	2,991	261	3,000

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
Grok 4.5	10.0	10.0	100.0%	0		13.72s	9,579	303	15,641

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
Grok 4.5	3.0	10.0	0.0%	0		8.16s	15,084	261	2,370

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
Grok 4.5	10.0	10.0	100.0%	0		3.44s	8,937	225	2,549

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
Grok 4.5	3.0	10.0	0.0%	0		72.64s	2,514	14	70,275

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
Grok 4.5	6.1	3.1	66.7%	1		4.88s	1,077	98	1,253

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
Grok 4.5	9.8	10.0	100.0%	0		2.80s	1,857	57	1,878

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
Grok 4.5	10.0	10.0	100.0%	0		3.20s	2,430	217	2,590

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
Grok 4.5	10.0	10.0	100.0%	0		5.83s	13,394	284	871

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
Grok 4.5	3.0	10.0	0.0%	0		13.98s	789	15	4,806

快速对比

切换对比组合

Muse Spark 1.1highvsQwen3.6 Plusmedium Claude Sonnet 4.6mediumvsGrok 4.5low Muse Spark 1.1highvsGPT-5.6 Terramedium Claude Sonnet 5mediumvsMuse Spark 1.1high GPT-5.6 TerramediumvsGrok 4.5low Claude Sonnet 4.6mediumvsMuse Spark 1.1high Qwen3.6 PlusmediumvsGrok 4.5low Gemini 3.1 Flash Lite PreviewmediumvsGrok 4.5low Qwen3.5 Plus 2026-04-20mediumvsGrok 4.5low Claude Sonnet 5mediumvsGrok 4.5low Muse Spark 1.1highvsQwen3.5-27Bmedium Gemini 3.1 Flash LitemediumvsGrok 4.5low