Meta: Muse Spark 1.1 vs xAI: Grok 4.5

Grok 4.5 (medium) 平均分领先，为 8.3 vs 8.1。 Muse Spark 1.1 (high) benchmark 成本更低，为 $1.694 vs $1.928。 Muse Spark 1.1 (high) 更快，为 31.49s vs 61.71s，通过率为 69.7% vs 78.8%。

推荐模型Muse Spark 1.1 (high)它的得分接近这里的最高分（8.1 vs 8.3），同时响应速度比Grok 4.5 (medium)快约 2.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	Muse Spark 1.1 Muse Spark 1.1 high 发布日期: 2026-07-16	Grok 4.5 Grok 4.5 medium 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 medium 发布日期: 2026-07-08
分数	8.1	8.3
排名	#27	#22
可靠性	10.0	10.0
一致性	7.9	8.9
测试正确
尝试通过率	69.7%	78.8%
不稳定测试	6	3
总运行次数	64	66
每个结果成本	14.116	12.049
总成本	$1.694	$1.928
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	129,423	122,146
输出令牌	8,077	5,514
推理令牌	352,421	275,053
响应时间（平均）	31.49s	61.71s
响应时间（最大）	196.03s	436.38s
响应时间（总计）	661.28s	1357.56s

Hamster playing table tennis

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

#27 Muse Spark 1.1

high

成本: $0.039
时间: 50.1s
令牌: 9,423 tok

#22 xAI: Grok 4.5

medium

成本: $0.044
时间: 59.4s
令牌: 7,512 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		23.50s	2,991	147	4,018

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	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

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
Grok 4.5	10.0	10.0	100.0%	0		29.01s	83,730	4,154	16,180

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		6.29s	8,937	225	3,657

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	2.9	7.2	11.1%	1		198.89s	2,212	11	121,922

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	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

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		6.06s	1,857	57	2,728

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		7.75s	2,430	254	3,641

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		6.57s	8,544	192	968

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		74.44s	789	13	14,921

快速对比

切换对比组合

Muse Spark 1.1highvsGPT-5 Minimedium Muse Spark 1.1highvsStep 3.7 Flashmedium Muse Spark 1.1highvsGPT-5.2 Chatnone Muse Spark 1.1lowvsGrok 4.5medium Muse Spark 1.1highvsKimi K3max Gemini 2.5 FlashmediumvsMuse Spark 1.1high Seed-2.0-LitemediumvsMuse Spark 1.1high Muse Spark 1.1highvsQwen3.7 Plusmedium Muse Spark 1.1highvsQwen3.6 Plusmedium Muse Spark 1.1highvsGLM 5.2medium Claude Sonnet 5mediumvsMuse Spark 1.1high Muse Spark 1.1highvsGPT-5.6 Terramedium