AI BENCHY 对比

Meta: Muse Spark 1.1 vs OpenAI: GPT-5.2 Chat

摘要

Muse Spark 1.1 (low) 平均分领先，为 8.8 vs 8.5。 GPT-5.2 Chat benchmark 成本更低，为 $0.393 vs $0.469。 GPT-5.2 Chat 更快，为 7.13s vs 10.11s，通过率为 73.0% vs 74.6%。

推荐模型GPT-5.2 Chat它提供了最佳整体取舍：得分有竞争力（8.5），成本低于Muse Spark 1.1 (low)，响应时间也较均衡。

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	GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11

指标	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16	GPT-5.2 Chat GPT-5.2 Chat none 发布日期: 2025-12-11
分数	8.8	8.5
排名	#17	#25
可靠性	10.0	10.0
一致性	8.5	8.9
测试正确
尝试通过率	73.0%	74.6%
不稳定测试	4	3
总运行次数	63	63
每个结果成本	3.606	2.803
总成本	$0.469	$0.393
输入价格	$1.250 / 1M	$1.750 / 1M
输出价格	$4.250 / 1M	$14.000 / 1M
总输入令牌	59,923	34,212
输出令牌	3,722	23,744
推理令牌	88,947	0
响应时间（平均）	10.11s	7.13s
响应时间（最大）	54.15s	38.52s
响应时间（总计）	212.29s	149.69s

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

#25 GPT-5.2 Chat

none

成本: $0.010
时间: 15.3s
令牌: 797 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
GPT-5.2 Chat	8.7	7.9	91.7%	1		3.40s	606	1,807	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		10.34s	8,562	394	14,503
GPT-5.2 Chat	8.8	7.8	88.9%	1		9.82s	7,305	6,731	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	9.6	10.0	100.0%	0		19.26s	21,277	885	6,849
GPT-5.2 Chat	10.0	10.0	100.0%	0		9.12s	11,019	1,243	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		3.22s	7,827	240	2,074
GPT-5.2 Chat	10.0	10.0	100.0%	0		3.05s	7,140	980	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	7.2	11.1%	1		29.73s	2,016	235	42,049
GPT-5.2 Chat	5.3	10.0	33.3%	0		17.78s	723	7,810	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		4.12s	906	131	1,125
GPT-5.2 Chat	4.4	3.0	33.3%	1		3.20s	477	335	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	7.3	6.0	83.3%	1		5.42s	1,527	252	4,246
GPT-5.2 Chat	9.8	10.0	100.0%	0		5.51s	660	1,441	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	8.3	10.0	66.7%	0		6.60s	1,938	391	7,503
GPT-5.2 Chat	7.7	10.0	66.7%	0		4.10s	642	1,603	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	9.8	10.0	100.0%	0		5.98s	12,924	533	1,012
GPT-5.2 Chat	10.0	10.0	100.0%	0		4.68s	5,445	555	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
GPT-5.2 Chat	3.0	10.0	0.0%	0		6.89s	195	1,239	0

快速对比

切换对比组合

Seed-2.0-LitemediumvsGPT-5.2 Chatnone GPT-5.2 ChatnonevsStep 3.7 Flashmedium Kimi K3maxvsGPT-5.2 Chatnone Claude Opus 4.7mediumvsMuse Spark 1.1low Claude Opus 4.8mediumvsMuse Spark 1.1low GPT-5.2 ChatnonevsGLM 5medium Muse Spark 1.1lowvsGLM 5.2medium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium GPT-5.2 ChatnonevsGrok 4.5medium Muse Spark 1.1lowvsGPT-5.3-Codexmedium GPT-5.2 ChatnonevsGLM 5.2medium Muse Spark 1.1lowvsGLM 5medium