AI BENCHY 对比

Meta: Muse Spark 1.1 vs Nemotron 3 Ultra 550b A55b

摘要

Muse Spark 1.1 (low) 平均分领先，为 8.8 vs 8.1。 Nemotron 3 Ultra 550b A55b (medium) benchmark 成本更低，为 $0.249 vs $0.469。 Muse Spark 1.1 (low) 更快，为 10.11s vs 15.05s，通过率为 73.0% vs 69.8%。

推荐模型Muse Spark 1.1 (low)它在本次比较中得分最高（8.8），并且在全部 2 个模型中兼顾成本和响应时间最好。

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	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium 发布日期: 2026-06-04 免费可用

指标	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16	Nemotron 3 Ultra 550b A55b Nemotron 3 Ultra 550b A55b medium 发布日期: 2026-06-04 免费可用
分数	8.8	8.1
排名	#17	#34
可靠性	10.0	9.7
一致性	8.5	8.8
测试正确
尝试通过率	73.0%	69.8%
不稳定测试	4	3
总运行次数	63	63
每个结果成本	3.606	0.000
总成本	$0.469	$0.249
输入价格	$1.250 / 1M	$0.600 / 1M
输出价格	$4.250 / 1M	$3.600 / 1M
总输入令牌	59,923	46,813
输出令牌	3,722	18,002
推理令牌	88,947	53,091
响应时间（平均）	10.11s	15.05s
响应时间（最大）	54.15s	43.93s
响应时间（总计）	212.29s	316.09s

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

#34 Nemotron 3 Ultra 550b A55b

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		8.62s	780	835	1,485

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
Nemotron 3 Ultra 550b A55b	8.4	7.4	88.9%	1		26.53s	7,686	2,854	17,725

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
Nemotron 3 Ultra 550b A55b	9.8	10.0	100.0%	0		43.93s	17,574	1,040	3,590

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
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		5.68s	7,989	473	1,285

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
Nemotron 3 Ultra 550b A55b	3.5	4.4	33.3%	2		24.90s	858	11,169	16,249

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
Nemotron 3 Ultra 550b A55b	3.7	9.5	0.0%	0		2.52s	360	70	235

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
Nemotron 3 Ultra 550b A55b	9.8	10.0	100.0%	0		6.35s	765	182	1,243

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
Nemotron 3 Ultra 550b A55b	5.5	9.9	33.3%	0		3.54s	792	771	2,055

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
Nemotron 3 Ultra 550b A55b	10.0	10.0	100.0%	0		7.72s	9,781	304	984

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
Nemotron 3 Ultra 550b A55b	3.0	10.0	0.0%	0		38.47s	228	304	8,240

快速对比

切换对比组合

Nemotron 3 Ultra 550b A55bmedium免费可用vsGPT-5.6 Terrahigh Claude Opus 4.7mediumvsMuse Spark 1.1low Claude Opus 4.8mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGLM 5.2medium Nemotron 3 Ultra 550b A55bmedium免费可用vsGLM 5.2high Muse Spark 1.1lowvsQwen3.6 Max Previewmedium DeepSeek V4 FlashhighvsNemotron 3 Ultra 550b A55bmedium免费可用 KAT-Coder-Pro V2.5lowvsNemotron 3 Ultra 550b A55bmedium免费可用 Muse Spark 1.1lowvsGPT-5.3-Codexmedium Muse Spark 1.1lowvsGLM 5medium Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5 Minimedium