AI BENCHY 对比

Meta: Muse Spark 1.1 vs OpenAI: GPT-5.5

摘要

GPT-5.5 (medium) 平均分领先，为 9.0 vs 8.9。 Muse Spark 1.1 (medium) benchmark 成本更低，为 $1.152 vs $3.679。 Muse Spark 1.1 (medium) 更快，为 23.35s vs 37.98s，通过率为 76.2% vs 87.3%。

推荐模型Muse Spark 1.1 (medium)它的得分接近这里的最高分（8.9 vs 9.0），同时成本比GPT-5.5 (medium)低约 3.2 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 medium 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 medium 发布日期: 2026-04-24
分数	8.9	9.0
排名	#15	#12
可靠性	10.0	10.0
一致性	9.2	8.9
测试正确
尝试通过率	76.2%	87.3%
不稳定测试	2	3
总运行次数	63	63
每个结果成本	7.676	21.638
总成本	$1.152	$3.679
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	34,212
输出令牌	3,523	1,985
推理令牌	249,752	114,925
响应时间（平均）	23.35s	37.98s
响应时间（最大）	165.38s	332.10s
响应时间（总计）	490.40s	797.60s

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

#12 GPT-5.5

medium

成本: $0.112
时间: 71.9s
令牌: 3,807 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		4.66s	606	250	1,335

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	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959

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		19.29s	11,019	312	2,841

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		4.18s	7,140	234	593

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	7.2	44.4%	1		164.14s	723	67	79,625

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		4.16s	477	138	223

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	10.0	10.0	100.0%	0		3.36s	660	93	538

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		6.76s	642	241	2,225

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		10.57s	5,445	258	832

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	2.8	1.6	33.3%	1		37.86s	195	30	1,754

快速对比

切换对比组合

Muse Spark 1.1lowvsGPT-5.5medium Gemini 3.5 FlashlowvsGPT-5.5medium Muse Spark 1.1mediumvsKimi K3max Muse Spark 1.1mediumvsGPT-5.2 Chatnone Gemini 3.5 FlashlowvsMuse Spark 1.1medium Kimi K3maxvsGPT-5.5medium Muse Spark 1.1mediumvsGPT-5.5low Muse Spark 1.1mediumvsGPT-5.6 Solhigh DeepSeek V4 FlashhighvsMuse Spark 1.1medium Muse Spark 1.1mediumvsGPT-5.6 Terrahigh Muse Spark 1.1mediumvsGPT-5.6 Sollow DeepSeek V4 FlashhighvsGPT-5.5medium