AI BENCHY 对比

Meta: Muse Spark 1.1 vs OpenAI: GPT-5 Mini

摘要

Muse Spark 1.1 (low) 平均分领先，为 8.8 vs 8.5。 GPT-5 Mini (medium) benchmark 成本更低，为 $0.159 vs $0.469。 Muse Spark 1.1 (low) 更快，为 10.11s vs 23.64s，通过率为 73.0% vs 63.5%。

推荐模型GPT-5 Mini (medium)它的得分接近这里的最高分（8.5 vs 8.8），同时成本比Muse Spark 1.1 (low)低约 3.0 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 Mini GPT-5 Mini medium 发布日期: 2025-08-07

指标	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16	GPT-5 Mini GPT-5 Mini medium 发布日期: 2025-08-07
分数	8.8	8.5
排名	#17	#22
可靠性	10.0	10.0
一致性	8.5	9.1
测试正确
尝试通过率	73.0%	63.5%
不稳定测试	4	2
总运行次数	63	63
每个结果成本	3.606	1.319
总成本	$0.469	$0.159
输入价格	$1.250 / 1M	$0.250 / 1M
输出价格	$4.250 / 1M	$2.000 / 1M
总输入令牌	59,923	37,100
输出令牌	3,722	6,801
推理令牌	88,947	67,690
响应时间（平均）	10.11s	23.64s
响应时间（最大）	54.15s	88.15s
响应时间（总计）	212.29s	496.44s

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

#22 GPT-5 Mini

medium

成本: $0.007
时间: 42.9s
令牌: 3,432 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 Mini	7.1	7.6	66.7%	1		13.86s	606	1,715	6,378

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 Mini	10.0	10.0	100.0%	0		27.63s	7,302	658	17,152

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 Mini	10.0	10.0	100.0%	0		88.15s	14,118	754	11,520

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 Mini	10.0	10.0	100.0%	0		12.58s	7,140	453	3,200

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 Mini	3.6	7.2	22.2%	1		44.63s	515	293	14,016

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 Mini	4.5	10.0	0.0%	0		13.50s	477	349	1,856

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 Mini	10.0	10.0	100.0%	0		11.59s	660	310	3,968

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 Mini	5.6	9.8	33.3%	0		15.20s	642	1,622	6,144

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 Mini	10.0	10.0	100.0%	0		18.64s	5,445	487	1,600

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 Mini	3.0	10.0	0.0%	0		9.99s	195	160	1,856

快速对比

切换对比组合

Kimi K3maxvsGPT-5 Minimedium 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-5.5medium Muse Spark 1.1lowvsGPT-5.4medium DeepSeek V4 FlashhighvsGPT-5 Minimedium Seed-2.0-LitemediumvsMuse Spark 1.1low