AI BENCHY 对比

Meta: Muse Spark 1.1 vs OpenAI: GPT-5.5

摘要

GPT-5.5 (low) 平均分领先，为 9.3 vs 8.9。 GPT-5.5 (low) benchmark 成本更低，为 $0.907 vs $1.152。 GPT-5.5 (low) 更快，为 9.76s vs 23.35s，通过率为 76.2% vs 85.7%。

推荐模型GPT-5.5 (low)它在这里得分最高（9.3），同时响应速度比Muse Spark 1.1 (medium)快约 2.4 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 medium 发布日期: 2026-07-16	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24

指标	Muse Spark 1.1 Muse Spark 1.1 medium 发布日期: 2026-07-16	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24
分数	8.9	9.3
排名	#15	#7
可靠性	10.0	10.0
一致性	9.2	10.0
测试正确
尝试通过率	76.2%	85.7%
不稳定测试	2	0
总运行次数	63	63
每个结果成本	7.676	5.035
总成本	$1.152	$0.907
输入价格	$1.250 / 1M	$5.000 / 1M
输出价格	$4.250 / 1M	$30.000 / 1M
总输入令牌	59,928	34,209
输出令牌	3,523	2,046
推理令牌	249,752	22,460
响应时间（平均）	23.35s	9.76s
响应时间（最大）	165.38s	56.19s
响应时间（总计）	490.40s	204.92s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#15 Muse Spark 1.1

medium

成本: $0.024
时间: 29.2s
令牌: 5,774 tok

#7 GPT-5.5

low

成本: $0.068
时间: 37.0s
令牌: 2,339 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	10.0	10.0	100.0%	0		5.72s	2,334	657	8,260
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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		26.33s	21,282	838	11,595
GPT-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717

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-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

快速对比

切换对比组合

GPT-5.5lowvsQwen3.7 Maxmedium Claude Fable 5mediumvsGPT-5.5low Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Gemini 3.5 FlashmediumvsGPT-5.5low Gemini 3 Flash PreviewmediumvsGPT-5.5low Muse Spark 1.1mediumvsKimi K3max Muse Spark 1.1mediumvsGPT-5.2 Chatnone Gemini 3.5 FlashlowvsMuse Spark 1.1medium GPT-5.5lowvsQwen3.6 Max Previewmedium Claude Opus 4.8mediumvsGPT-5.5low Muse Spark 1.1mediumvsGPT-5.6 Solhigh Gemini 3.5 FlashhighvsGPT-5.5low