#16 Muse Spark 1.1
medium- 成本
- $0.024
- 时间
- 29.2s
- 令牌
- 5,774 tok
Meta: Muse Spark 1.1 vs OpenAI: GPT-5.4
Muse Spark 1.1 (medium) 平均分领先，为 8.6 vs 8.5。 Muse Spark 1.1 (medium) benchmark 成本更低，为 $1.357 vs $1.533。 GPT-5.4 (medium) 更快，为 23.10s vs 24.97s，通过率为 72.7% vs 77.3%。
推荐模型Muse Spark 1.1 (medium)它在本次比较中得分最高（8.6），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：: 2026-07-18
| 指标 | Muse Spark 1.1 Muse Spark 1.1 medium | GPT-5.4 GPT-5.4 medium |
|---|---|---|
| 分数 | 8.6 | 8.5 |
| 排名 | #16 | #18 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 72.7% | 77.3% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 9.041 | 10.220 |
| 总成本 | $1.357 | $1.533 |
| 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 | 142,567 | 81,127 |
| 输出令牌 | 7,905 | 6,155 |
| 推理令牌 | 269,225 | 82,515 |
| 响应时间（平均） | 24.97s | 23.10s |
| 响应时间（最大） | 165.38s | 100.41s |
| 响应时间（总计） | 549.31s | 508.26s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#18 GPT-5.4
medium- 成本
- $0.214
- 时间
- 199.6s
- 令牌
- 14,349 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 | 10.0 | 10.0 | 100.0% | 0 | 5.72s | 2,334 | 657 | 8,260 | |
| GPT-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 606 | 240 | 1,511 |
| 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 | 15.66s | 8,562 | 347 | 23,562 | |
| GPT-5.4 | 8.8 | 7.8 | 88.9% | 1 | 44.36s | 7,305 | 433 | 24,216 |
| 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 | 8.3 | 10.0 | 50.0% | 0 | 42.62s | 103,921 | 5,220 | 31,068 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 29.77s | 58,038 | 4,214 | 13,351 |
| 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 | 4.96s | 7,827 | 240 | 3,387 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 7,140 | 234 | 804 |
| 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 | 3.5 | 4.4 | 33.3% | 2 | 71.45s | 2,016 | 105 | 109,166 | |
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 74.27s | 619 | 61 | 34,748 |
| 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 | 4.41s | 906 | 116 | 1,833 | |
| GPT-5.4 | 4.7 | 3.1 | 33.3% | 1 | 4.92s | 477 | 145 | 321 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 6.31s | 1,527 | 233 | 5,186 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 660 | 93 | 897 |
| 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 | 7.9 | 9.9 | 66.7% | 0 | 42.49s | 1,938 | 350 | 76,778 | |
| GPT-5.4 | 8.2 | 7.2 | 88.9% | 1 | 9.14s | 642 | 441 | 3,815 |
| 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 | 6.99s | 12,924 | 598 | 1,610 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 5,445 | 264 | 1,031 |
| 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 | 18.45s | 612 | 39 | 8,375 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 13.95s | 195 | 30 | 1,821 |
快速对比
切换对比组合
GPT-5.4mediumvsGrok 4.5lowMuse Spark 1.1mediumvsGrok 4.5lowMuse Spark 1.1lowvsGPT-5.4mediumMuse Spark 1.1mediumvsGrok 4.5highGemini 3.5 FlashlowvsMuse Spark 1.1mediumGPT-5.4mediumvsGrok 4.5highGemini 3.5 FlashlowvsGPT-5.4mediumMuse Spark 1.1highvsGPT-5.4mediumGPT-5.4mediumvsInklinghighGPT-5.4mediumvsGLM 5.2highKimi K3maxvsGPT-5.4mediumMuse Spark 1.1mediumvsInklinghigh