Meta: Muse Spark 1.1 vs Z.ai: GLM 5.2

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 $0.929。 Muse Spark 1.1 (low) 更快，为 11.45s vs 62.65s，通过率为 69.7% vs 71.2%。

推荐模型Muse Spark 1.1 (low)它在这里得分最高（8.3），同时响应速度比GLM 5.2 (high)快约 5.5 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	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17

指标	Muse Spark 1.1 Muse Spark 1.1 low 发布日期: 2026-07-16	GLM 5.2 GLM 5.2 high 发布日期: 2026-06-17
分数	8.3	8.0
排名	#24	#30
可靠性	10.0	10.0
一致性	8.5	8.6
测试正确
尝试通过率	69.7%	71.2%
不稳定测试	4	3
总运行次数	66	66
每个结果成本	4.975	5.873
总成本	$0.647	$0.929
输入价格	$1.250 / 1M	$0.919 / 1M
输出价格	$4.250 / 1M	$2.887 / 1M
总输入令牌	142,298	83,813
输出令牌	10,847	69,688
推理令牌	99,467	225,659
响应时间（平均）	11.45s	62.65s
响应时间（最大）	54.15s	599.43s
响应时间（总计）	251.92s	1378.34s

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

#30 GLM 5.2

high

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 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
GLM 5.2	10.0	10.0	100.0%	0		5.80s	639	406	2,660

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
GLM 5.2	6.4	8.6	33.3%	0		73.03s	5,124	2,302	22,546

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
GLM 5.2	10.0	10.0	100.0%	0		321.47s	61,516	18,824	63,861

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
GLM 5.2	10.0	10.0	100.0%	0		5.81s	7,143	435	1,414

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
GLM 5.2	3.7	6.5	22.2%	1		73.97s	551	46,693	90,566

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
GLM 5.2	10.0	10.0	100.0%	0		12.90s	498	63	1,743

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
GLM 5.2	10.0	10.0	100.0%	0		4.26s	678	151	1,210

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
GLM 5.2	6.0	4.6	66.7%	2		33.71s	665	568	22,392

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
GLM 5.2	10.0	10.0	100.0%	0		9.25s	6,861	246	503

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
GLM 5.2	3.0	10.0	0.0%	0		127.82s	138	0	18,764

快速对比

切换对比组合

GPT-5.2 ChatnonevsGLM 5.2high Step 3.7 FlashmediumvsGLM 5.2high Gemini 2.5 FlashmediumvsMuse Spark 1.1low Claude Sonnet 5mediumvsMuse Spark 1.1low GPT-5 MinimediumvsGLM 5.2high Muse Spark 1.1lowvsGrok 4.5medium Kimi K3maxvsGLM 5.2high Muse Spark 1.1lowvsGPT-5.2medium Seed-2.0-LitemediumvsGLM 5.2high Qwen3.7 PlusmediumvsGLM 5.2high Muse Spark 1.1lowvsGPT-5 Minimedium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium