AI BENCHY 对比

Meta: Muse Spark 1.1 vs MoonshotAI: Kimi K3

摘要

Muse Spark 1.1 (low) 平均分领先，为 8.8 vs 8.5。 Muse Spark 1.1 (low) benchmark 成本更低，为 $0.469 vs $3.112。 Muse Spark 1.1 (low) 更快，为 10.11s vs 122.48s，通过率为 73.0% vs 82.5%。

推荐模型Muse Spark 1.1 (low)它在这里得分最高（8.8），同时成本比Kimi K3 (max)低约 6.6 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 low 发布日期: 2026-07-16	Kimi K3 Kimi K3 max 发布日期: 2026-07-16

指标	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16	Kimi K3 Kimi K3 max 发布日期: 2026-07-16
分数	8.8	8.5
排名	#17	#21
可靠性	10.0	9.4
一致性	8.5	9.2
测试正确
尝试通过率	73.0%	82.5%
不稳定测试	4	2
总运行次数	63	63
每个结果成本	3.606	19.446
总成本	$0.469	$3.112
输入价格	$1.250 / 1M	$3.000 / 1M
输出价格	$4.250 / 1M	$15.000 / 1M
总输入令牌	59,923	34,916
输出令牌	3,722	2,910
推理令牌	88,947	197,529
响应时间（平均）	10.11s	122.48s
响应时间（最大）	54.15s	766.58s
响应时间（总计）	212.29s	2327.06s

生成展示

Hamster playing table tennis

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

#17 Muse Spark 1.1

low

成本: $0.020
时间: 39.2s
令牌: 4,947 tok

#21 MoonshotAI: Kimi K3

max

成本: $0.281
时间: 506.9s
令牌: 18,863 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	7.9	6.3	83.3%	2		4.36s	2,334	621	6,040
Kimi K3	10.0	10.0	100.0%	0		10.24s	1,638	496	2,629

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		10.34s	8,562	394	14,503
Kimi K3	10.0	10.0	100.0%	0		325.79s	8,061	460	84,012

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	9.6	10.0	100.0%	0		19.26s	21,277	885	6,849
Kimi K3	10.0	10.0	100.0%	0		223.03s	12,792	399	20,460

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		3.22s	7,827	240	2,074
Kimi K3	7.3	5.8	83.3%	1		16.72s	7,839	354	2,606

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	7.2	11.1%	1		29.73s	2,016	235	42,049
Kimi K3	5.9	7.2	55.6%	1		490.14s	794	80	83,180

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		4.12s	906	131	1,125
Kimi K3	10.0	10.0	100.0%	0		14.91s	732	191	871

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	7.3	6.0	83.3%	1		5.42s	1,527	252	4,246
Kimi K3	10.0	10.0	100.0%	0		7.66s	1,179	147	1,119

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	8.3	10.0	66.7%	0		6.60s	1,938	391	7,503
Kimi K3	10.0	10.0	100.0%	0		7.36s	1,416	495	1,368

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	9.8	10.0	100.0%	0		5.98s	12,924	533	1,012
Kimi K3	3.0	10.0	0.0%	0		0ms	0	0	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		8.17s	612	40	3,546
Kimi K3	3.0	10.0	0.0%	0		19.67s	465	288	1,284

快速对比

切换对比组合

Kimi K3maxvsGPT-5 Minimedium Kimi K3maxvsGLM 5medium Kimi K3maxvsGPT-5.4medium Seed-2.0-LitemediumvsKimi K3max Kimi K3maxvsGPT-5.2 Chatnone Kimi K3maxvsStep 3.7 Flashmedium Claude Opus 4.7mediumvsMuse Spark 1.1low Claude Opus 4.8mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGLM 5.2medium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Kimi K3maxvsGLM 5.2medium Kimi K3maxvsGPT-5.2medium