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

Muse Spark 1.1 (low) 平均分领先，为 8.3 vs 8.0。 Muse Spark 1.1 (low) benchmark 成本更低，为 $0.647 vs $1.055。 GPT-5.6 Terra (high) 更快，为 11.32s vs 11.45s，通过率为 69.7% vs 68.2%。

推荐模型Muse Spark 1.1 (low)它在这里得分最高（8.3），同时成本比GPT-5.6 Terra (high)低约 1.6 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-5.6 Terra GPT-5.6 Terra high 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 Terra GPT-5.6 Terra high 发布日期: 2026-07-09
分数	8.3	8.0
排名	#24	#32
可靠性	10.0	10.0
一致性	8.5	9.3
测试正确
尝试通过率	69.7%	68.2%
不稳定测试	4	2
总运行次数	66	66
每个结果成本	4.975	7.533
总成本	$0.647	$1.055
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	142,298	81,047
输出令牌	10,847	5,055
推理令牌	99,467	51,736
响应时间（平均）	11.45s	11.32s
响应时间（最大）	54.15s	91.49s
响应时间（总计）	251.92s	249.14s

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

#32 GPT-5.6 Terra

high

成本: $0.055
时间: 30.2s
令牌: 3,748 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 Terra	8.3	10.0	75.0%	0		2.54s	606	158	700

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 Terra	7.6	7.2	77.8%	1		9.14s	7,302	370	6,087

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 Terra	8.7	6.9	83.3%	1		13.72s	57,848	3,461	3,174

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 Terra	10.0	10.0	100.0%	0		938ms	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 Terra	5.3	10.0	33.3%	0		43.44s	723	70	32,942

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 Terra	5.1	10.0	0.0%	0		3.03s	477	113	216

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 Terra	10.0	10.0	100.0%	0		2.14s	660	96	319

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 Terra	7.7	10.0	66.7%	0		5.45s	642	277	2,613

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 Terra	10.0	10.0	100.0%	0		4.97s	5,454	258	168

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 Terra	3.0	10.0	0.0%	0		23.30s	195	30	5,517

快速对比

切换对比组合

Kimi K3maxvsGPT-5.6 Terrahigh Gemini 2.5 FlashmediumvsMuse Spark 1.1low Claude Sonnet 5mediumvsMuse Spark 1.1low Seed-2.0-LitemediumvsGPT-5.6 Terrahigh Muse Spark 1.1lowvsGrok 4.5medium GPT-5.6 TerrahighvsQwen3.7 Plusmedium GPT-5.6 TerrahighvsStep 3.7 Flashmedium GPT-5.6 TerrahighvsQwen3.6 Plusmedium GPT-5.6 TerrahighvsGLM 5.2medium Muse Spark 1.1lowvsGPT-5.2medium Claude Sonnet 4.6mediumvsGPT-5.6 Terrahigh Muse Spark 1.1lowvsGPT-5 Minimedium