AI BENCHY 对比

Meta: Muse Spark 1.1 vs OpenAI: GPT-5.6 Terra

摘要

Muse Spark 1.1 (medium) 平均分领先，为 8.9 vs 8.2。 GPT-5.6 Terra (high) benchmark 成本更低，为 $0.852 vs $1.152。 GPT-5.6 Terra (high) 更快，为 10.89s vs 23.35s，通过率为 76.2% vs 68.3%。

推荐模型GPT-5.6 Terra (high)它的得分接近这里的最高分（8.2 vs 8.9），同时响应速度比Muse Spark 1.1 (medium)快约 2.1 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-5.6 Terra GPT-5.6 Terra high 发布日期: 2026-07-09

指标	Muse Spark 1.1 Muse Spark 1.1 medium 发布日期: 2026-07-16	GPT-5.6 Terra GPT-5.6 Terra high 发布日期: 2026-07-09
分数	8.9	8.2
排名	#15	#32
可靠性	10.0	10.0
一致性	9.2	9.6
测试正确
尝试通过率	76.2%	68.3%
不稳定测试	2	1
总运行次数	63	63
每个结果成本	7.676	6.086
总成本	$1.152	$0.852
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	59,928	34,218
输出令牌	3,523	1,908
推理令牌	249,752	49,189
响应时间（平均）	23.35s	10.89s
响应时间（最大）	165.38s	91.49s
响应时间（总计）	490.40s	228.65s

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

#32 GPT-5.6 Terra

high

成本: $0.055
时间: 30.2s
令牌: 3,748 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-5.6 Terra	8.3	10.0	75.0%	0		2.54s	606	158	700

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-5.6 Terra	7.6	7.2	77.8%	1		9.14s	7,302	370	6,087

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-5.6 Terra	10.0	10.0	100.0%	0		6.94s	11,019	314	627

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-5.6 Terra	10.0	10.0	100.0%	0		938ms	7,140	222	0

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-5.6 Terra	5.3	10.0	33.3%	0		43.44s	723	70	32,942

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-5.6 Terra	5.1	10.0	0.0%	0		3.03s	477	113	216

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-5.6 Terra	10.0	10.0	100.0%	0		2.14s	660	96	319

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-5.6 Terra	7.7	10.0	66.7%	0		5.45s	642	277	2,613

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-5.6 Terra	10.0	10.0	100.0%	0		4.97s	5,454	258	168

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-5.6 Terra	3.0	10.0	0.0%	0		23.30s	195	30	5,517

快速对比

切换对比组合

GPT-5.6 TerrahighvsQwen3.7 Plusmedium Nemotron 3 Ultra 550b A55bmedium免费可用vsGPT-5.6 Terrahigh Gemini 2.5 FlashmediumvsGPT-5.6 Terrahigh GPT-5.6 TerrahighvsGrok 4.5medium GPT-5.6 TerrahighvsQwen3.5 Plus 2026-02-15medium KAT-Coder-Pro V2.5lowvsGPT-5.6 Terrahigh GPT-5.6 TerrahighvsQwen3.5-27Bmedium GPT-5.6 TerrahighvsStep 3.7 Flashmedium Seed-2.0-LitemediumvsGPT-5.6 Terrahigh Muse Spark 1.1mediumvsKimi K3max Claude Sonnet 5mediumvsGPT-5.6 Terrahigh GPT-5.6 TerrahighvsQwen3.6 Plusmedium