#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 xAI: Grok 4.5
Muse Spark 1.1 (medium) 平均分领先，为 8.6 vs 8.4。 Grok 4.5 (low) benchmark 成本更低，为 $0.935 vs $1.357。 Grok 4.5 (low) 更快，为 15.56s vs 24.97s，通过率为 72.7% vs 75.8%。
推荐模型Grok 4.5 (low)它的得分接近这里的最高分（8.4 vs 8.6），同时响应速度比Muse Spark 1.1 (medium)快约 1.6 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | Muse Spark 1.1 Muse Spark 1.1 medium | Grok 4.5 Grok 4.5 low |
|---|---|---|
| 分数 | 8.6 | 8.4 |
| 排名 | #16 | #20 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 9.7 |
| 测试正确 | ||
| 尝试通过率 | 72.7% | 75.8% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 9.041 | 5.844 |
| 总成本 | $1.357 | $0.935 |
| 输入价格 | $1.250 / 1M | $2.000 / 1M |
| 输出价格 | $4.250 / 1M | $6.000 / 1M |
| 总输入令牌 | 142,567 | 125,596 |
| 输出令牌 | 7,905 | 7,505 |
| 推理令牌 | 269,225 | 106,446 |
| 响应时间（平均） | 24.97s | 15.56s |
| 响应时间（最大） | 165.38s | 205.28s |
| 响应时间（总计） | 549.31s | 342.32s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#20 xAI: Grok 4.5
low- 成本
- $0.011
- 时间
- 12.4s
- 令牌
- 2,018 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 2,991 | 261 | 3,000 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 13.72s | 9,579 | 303 | 15,641 |
| 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 | |
| Grok 4.5 | 6.5 | 10.0 | 50.0% | 0 | 12.75s | 82,028 | 6,031 | 3,583 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 3.44s | 8,937 | 225 | 2,549 |
| 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 | |
| Grok 4.5 | 3.0 | 10.0 | 0.0% | 0 | 72.64s | 2,514 | 14 | 70,275 |
| 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 | |
| Grok 4.5 | 6.1 | 3.1 | 66.7% | 1 | 4.88s | 1,077 | 98 | 1,253 |
| 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 | |
| Grok 4.5 | 9.8 | 10.0 | 100.0% | 0 | 2.80s | 1,857 | 57 | 1,878 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 3.20s | 2,430 | 217 | 2,590 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 5.83s | 13,394 | 284 | 871 |
| 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 | |
| Grok 4.5 | 3.0 | 10.0 | 0.0% | 0 | 13.98s | 789 | 15 | 4,806 |
快速对比
切换对比组合
GPT-5.2mediumvsGrok 4.5lowQwen3.6 Max PreviewmediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGPT-5.4mediumvsGrok 4.5lowGemini 2.5 FlashmediumvsGrok 4.5lowClaude Fable 5mediumvsGrok 4.5lowMuse Spark 1.1mediumvsGrok 4.5highClaude Opus 4.7mediumvsGrok 4.5lowGemini 3.5 FlashlowvsMuse Spark 1.1mediumGPT-5 MinimediumvsGrok 4.5lowMuse Spark 1.1highvsGrok 4.5lowStep 3.7 FlashmediumvsGrok 4.5low