Meta: Muse Spark 1.1 vs OpenAI: GPT-5.2

GPT-5.2 (medium) 平均分领先，为 8.4 vs 8.3。 Muse Spark 1.1 (low) benchmark 成本更低，为 $0.647 vs $0.951。 Muse Spark 1.1 (low) 更快，为 11.45s vs 22.62s，通过率为 69.7% vs 72.7%。

推荐模型Muse Spark 1.1 (low)它的得分接近这里的最高分（8.3 vs 8.4），同时响应速度比GPT-5.2 (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 low 发布日期: 2026-07-16	GPT-5.2 GPT-5.2 medium 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 GPT-5.2 medium 发布日期: 2025-12-11
分数	8.3	8.4
排名	#24	#21
可靠性	10.0	10.0
一致性	8.5	8.5
测试正确
尝试通过率	69.7%	72.7%
不稳定测试	4	4
总运行次数	66	66
每个结果成本	4.975	6.791
总成本	$0.647	$0.951
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	142,298	105,004
输出令牌	10,847	9,914
推理令牌	99,467	44,868
响应时间（平均）	11.45s	22.62s
响应时间（最大）	54.15s	102.93s
响应时间（总计）	251.92s	339.28s

Hamster playing table tennis

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

#24 Muse Spark 1.1

low

成本: $0.020
时间: 39.2s
令牌: 4,947 tok

#21 GPT-5.2

medium

成本: $0.047
时间: 49.2s
令牌: 3,396 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	6.5	8.0	58.3%	1		7.81s	606	567	2,002

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	10.0	10.0	100.0%	0		22.73s	7,302	511	11,912

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	6.6	9.1	50.0%	0		29.45s	103,652	8,010	17,369
GPT-5.2	10.0	10.0	100.0%	0		58.50s	82,056	7,304	14,693

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	10.0	10.0	100.0%	0		3.15s	7,140	234	420

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	5.9	7.2	55.6%	1		77.80s	473	42	10,342

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	3.7	9.7	0.0%	0		4.32s	477	162	269

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	9.9	10.0	100.0%	0		3.12s	660	94	614

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	7.5	7.3	77.8%	1		5.80s	642	735	924

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	4.7	1.6	66.7%	1		10.30s	5,453	239	469

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	3.0	10.0	0.0%	0		28.18s	195	26	3,223

快速对比

切换对比组合

GPT-5.2mediumvsGrok 4.5low Gemini 2.5 FlashmediumvsMuse Spark 1.1low Claude Sonnet 5mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGrok 4.5medium Muse Spark 1.1lowvsGPT-5 Minimedium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Muse Spark 1.1lowvsStep 3.7 Flashmedium Muse Spark 1.1lowvsGPT-5.2 Chatnone Muse Spark 1.1lowvsGLM 5.2high Muse Spark 1.1lowvsGPT-5.4medium Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5.6 Terrahigh