AI BENCHY 对比

Meta: Muse Spark 1.1 vs Qwen: Qwen3.6 Max Preview

摘要

平均分几乎持平，为 8.9 vs 8.9。 Qwen3.6 Max Preview (medium) benchmark 成本更低，为 $0.960 vs $1.152。 Muse Spark 1.1 (medium) 更快，为 23.35s vs 59.63s，通过率为 76.2% vs 81.0%。

推荐模型Muse Spark 1.1 (medium)它在这里得分最高（8.9），同时响应速度比Qwen3.6 Max Preview (medium)快约 2.6 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	Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20

指标	Muse Spark 1.1 Muse Spark 1.1 medium 发布日期: 2026-07-16	Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20
分数	8.9	8.9
排名	#15	#14
可靠性	10.0	10.0
一致性	9.2	9.3
测试正确
尝试通过率	76.2%	81.0%
不稳定测试	2	2
总运行次数	63	63
每个结果成本	7.676	7.024
总成本	$1.152	$0.960
输入价格	$1.250 / 1M	$1.040 / 1M
输出价格	$4.250 / 1M	$6.240 / 1M
总输入令牌	59,928	42,362
输出令牌	3,523	2,273
推理令牌	249,752	144,367
响应时间（平均）	23.35s	59.63s
响应时间（最大）	165.38s	238.07s
响应时间（总计）	490.40s	1252.17s

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

#14 Qwen3.6 Max Preview

medium

成本: $0.024
时间: 76.5s
令牌: 3,861 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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		22.13s	672	228	10,075

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
Qwen3.6 Max Preview	8.8	7.8	88.9%	1		146.48s	7,895	427	52,957

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		121.49s	14,934	390	14,575

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		41.15s	7,782	270	10,106

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
Qwen3.6 Max Preview	2.9	7.2	11.1%	1		95.91s	771	60	30,371

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		32.24s	516	129	3,510

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		24.31s	699	103	5,848

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		24.32s	696	329	7,693

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
Qwen3.6 Max Preview	10.0	10.0	100.0%	0		18.32s	8,193	309	1,571

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
Qwen3.6 Max Preview	3.0	10.0	0.0%	0		60.56s	204	28	7,661

快速对比

切换对比组合

Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Muse Spark 1.1mediumvsKimi K3max Kimi K3maxvsQwen3.6 Max Previewmedium Gemini 3.5 FlashlowvsQwen3.6 Max Previewmedium Muse Spark 1.1mediumvsGPT-5.2 Chatnone Gemini 3.5 FlashlowvsMuse Spark 1.1medium GPT-5.2 ChatnonevsQwen3.6 Max Previewmedium GPT-5.5lowvsQwen3.6 Max Previewmedium GPT-5.6 SolhighvsQwen3.6 Max Previewmedium Muse Spark 1.1mediumvsGPT-5.5low Muse Spark 1.1mediumvsGPT-5.6 Solhigh DeepSeek V4 FlashhighvsMuse Spark 1.1medium