AI BENCHY 对比

Meta: Muse Spark 1.1 vs OpenAI: GPT-5.4

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 $1.210。 Muse Spark 1.1 (low) 更快，为 10.11s vs 22.35s，通过率为 73.0% vs 76.2%。

推荐模型Muse Spark 1.1 (low)它在这里得分最高（8.8），同时成本比GPT-5.4 (medium)低约 2.6 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	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05

指标	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05
分数	8.8	8.5
排名	#17	#23
可靠性	10.0	10.0
一致性	8.5	8.6
测试正确
尝试通过率	73.0%	76.2%
不稳定测试	4	4
总运行次数	63	63
每个结果成本	3.606	8.640
总成本	$0.469	$1.210
输入价格	$1.250 / 1M	$2.500 / 1M
输出价格	$4.250 / 1M	$15.000 / 1M
总输入令牌	59,923	34,108
输出令牌	3,722	2,242
推理令牌	88,947	72,707
响应时间（平均）	10.11s	22.35s
响应时间（最大）	54.15s	100.41s
响应时间（总计）	212.29s	469.29s

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

#23 GPT-5.4

medium

成本: $0.214
时间: 199.6s
令牌: 14,349 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-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511

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-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216

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-5.4	10.0	10.0	100.0%	0		20.57s	11,019	301	3,543

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-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804

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-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748

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-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321

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-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897

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-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815

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-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031

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-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821

快速对比

切换对比组合

Kimi K3maxvsGPT-5.4medium 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 Muse Spark 1.1lowvsGPT-5.3-Codexmedium Muse Spark 1.1lowvsGLM 5medium Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5 Minimedium Muse Spark 1.1lowvsGPT-5.5medium DeepSeek V4 FlashhighvsGPT-5.4medium Seed-2.0-LitemediumvsMuse Spark 1.1low