#24 Muse Spark 1.1
low- 成本
- $0.020
- 时间
- 39.2s
- 令牌
- 4,947 tok
Meta: Muse Spark 1.1 vs Thinking Machines: Inkling
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 $1.006。 Muse Spark 1.1 (low) 更快，为 11.45s vs 64.16s，通过率为 69.7% vs 77.3%。
推荐模型Muse Spark 1.1 (low)它在这里得分最高（8.3），同时成本比Inkling (high)低约 1.6 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-18
| 指标 | Muse Spark 1.1 Muse Spark 1.1 low | Inkling Inkling high |
|---|---|---|
| 分数 | 8.3 | 8.0 |
| 排名 | #24 | #28 |
| 可靠性 | 10.0 | 9.8 |
| 一致性 | 8.5 | 8.9 |
| 测试正确 | ||
| 尝试通过率 | 69.7% | 77.3% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.975 | 6.704 |
| 总成本 | $0.647 | $1.006 |
| 输入价格 | $1.250 / 1M | $1.000 / 1M |
| 输出价格 | $4.250 / 1M | $4.050 / 1M |
| 总输入令牌 | 142,298 | 86,746 |
| 输出令牌 | 10,847 | 6,055 |
| 推理令牌 | 99,467 | 220,791 |
| 响应时间（平均） | 11.45s | 64.16s |
| 响应时间（最大） | 54.15s | 327.51s |
| 响应时间（总计） | 251.92s | 1411.59s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#28 Thinking Machines: Inkling
high- 成本
- $0.005
- 时间
- 32.2s
- 令牌
- 1,275 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
| 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 | |
| Inkling | 10.0 | 10.0 | 100.0% | 0 | 12.68s | 702 | 455 | 7,204 |
| 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 | |
| Inkling | 8.5 | 10.0 | 66.7% | 0 | 148.36s | 7,374 | 430 | 78,982 |
| 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 | |
| Inkling | 7.3 | 5.8 | 83.3% | 1 | 63.78s | 61,296 | 3,854 | 19,895 |
| 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 | |
| Inkling | 10.0 | 10.0 | 100.0% | 0 | 8.19s | 7,068 | 216 | 2,349 |
| 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 | |
| Inkling | 7.7 | 10.0 | 66.7% | 0 | 186.39s | 683 | 59 | 76,777 |
| 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 | |
| Inkling | 10.0 | 10.0 | 100.0% | 0 | 6.53s | 501 | 182 | 1,151 |
| 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 | |
| Inkling | 9.8 | 10.0 | 100.0% | 0 | 7.00s | 708 | 93 | 2,098 |
| 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 | |
| Inkling | 6.9 | 4.9 | 77.8% | 2 | 10.69s | 714 | 429 | 4,623 |
| 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 | |
| Inkling | 3.0 | 10.0 | 0.0% | 0 | 6.52s | 7,481 | 307 | 601 |
| 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 | |
| Inkling | 3.0 | 10.0 | 0.0% | 0 | 153.57s | 219 | 30 | 27,111 |
快速对比
切换对比组合
Step 3.7 FlashmediumvsInklinghighGPT-5.2 ChatnonevsInklinghighGemini 2.5 FlashmediumvsMuse Spark 1.1lowGPT-5 MinimediumvsInklinghighClaude Sonnet 5mediumvsMuse Spark 1.1lowMuse Spark 1.1lowvsGrok 4.5mediumKimi K3maxvsInklinghighMuse Spark 1.1lowvsGPT-5.2mediumSeed-2.0-LitemediumvsInklinghighMuse Spark 1.1lowvsGPT-5 MinimediumQwen3.7 PlusmediumvsInklinghighMuse Spark 1.1lowvsQwen3.6 Max Previewmedium