Meta: Muse Spark 1.1 vs OpenAI: GPT-5.6 Sol

GPT-5.6 Sol (medium) 平均分领先，为 9.4 vs 8.3。 Muse Spark 1.1 (low) benchmark 成本更低，为 $0.647 vs $1.316。 GPT-5.6 Sol (medium) 更快，为 11.35s vs 11.45s，通过率为 69.7% vs 90.9%。

推荐模型GPT-5.6 Sol (medium)它在本次比较中得分最高（9.4），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：: 2026-07-21

指标	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16	GPT-5.6 Sol GPT-5.6 Sol medium 发布日期: 2026-07-09

指标	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16	GPT-5.6 Sol GPT-5.6 Sol medium 发布日期: 2026-07-09
分数	8.3	9.4
排名	#27	#7
可靠性	10.0	10.0
一致性	8.5	8.9
测试正确
尝试通过率	69.7%	90.9%
不稳定测试	4	3
总运行次数	66	66
每个结果成本	4.975	7.311
总成本	$0.647	$1.316
输入价格	$1.250 / 1M	$5.000 / 1M
输出价格	$4.250 / 1M	$30.000 / 1M
总输入令牌	142,298	78,997
输出令牌	10,847	4,696
推理令牌	99,467	26,002
响应时间（平均）	11.45s	11.35s
响应时间（最大）	54.15s	79.40s
响应时间（总计）	251.92s	249.73s

Hamster playing table tennis

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

#27 Muse Spark 1.1

low

成本: $0.020
时间: 39.2s
令牌: 4,947 tok

#7 GPT-5.6 Sol

medium

成本: $0.124
时间: 57.2s
令牌: 4,199 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-5.6 Sol	10.0	10.0	100.0%	0		2.81s	606	173	572

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-5.6 Sol	10.0	10.0	100.0%	0		9.40s	7,302	394	4,706

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-5.6 Sol	10.0	10.0	100.0%	0		17.65s	55,798	3,119	2,616

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-5.6 Sol	10.0	10.0	100.0%	0		1.38s	7,140	222	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-5.6 Sol	5.9	7.2	55.6%	1		47.86s	723	71	16,201

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-5.6 Sol	10.0	10.0	100.0%	0		3.48s	477	99	214

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-5.6 Sol	10.0	10.0	100.0%	0		2.50s	660	96	249

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-5.6 Sol	8.2	7.2	88.9%	1		2.98s	642	228	566

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-5.6 Sol	10.0	10.0	100.0%	0		6.30s	5,454	264	361

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-5.6 Sol	4.7	1.6	66.7%	1		4.94s	195	30	517

快速对比

切换对比组合

Gemini 3.6 FlashlowvsGPT-5.6 Solmedium Gemini 2.5 FlashmediumvsMuse Spark 1.1low Claude Sonnet 5mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGrok 4.5medium Muse Spark 1.1lowvsGPT-5.2medium Muse Spark 1.1lowvsGPT-5 Minimedium Gemini 3.5 FlashhighvsGPT-5.6 Solmedium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Gemini 3.5 Flash-LitehighvsMuse Spark 1.1low Muse Spark 1.1lowvsInklinghigh Muse Spark 1.1lowvsStep 3.7 Flashmedium Muse Spark 1.1lowvsGPT-5.2 Chatnone