Muse Spark 1.2 (high) vs GPT-5.3-Codex (medium)

排名: #20
总输出令牌: 349,571
响应时间（平均）: 23.99s
总成本: $1.632

排名: #18
总输出令牌: 55,525
响应时间（平均）: 16.96s
总成本: $0.920

推荐模型 GPT-5.3-Codex (medium)

它在这里得分最高（8.9），同时成本比Muse Spark 1.2 (high)低约 1.8 倍。

详细对比

指标	Muse Spark 1.2 Muse Spark 1.2 high 发布日期: 2026-08-06	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05

指标	Muse Spark 1.2 Muse Spark 1.2 high 发布日期: 2026-08-06	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05
分数	8.8	8.9
排名	#20	#18
可靠性	9.8	10.0
一致性	8.7	8.6
基准测试覆盖率	22/22 项测试 · 66/66 次尝试	22/22 项测试 · 66/66 次尝试
测试正确
尝试通过率	75.8%	83.3%
不稳定测试	4	4
总运行次数	66	66
每个结果成本	10.880	5.748
总成本	$1.632	$0.920
输入价格	$1.250 / 1M	$1.750 / 1M
输出价格	$4.250 / 1M	$14.000 / 1M
总输入令牌	117,028	81,268
输出令牌	6,983	6,251
推理令牌	342,588	49,274
响应时间（平均）	23.99s	16.96s
响应时间（最大）	192.00s	100.93s
响应时间（总计）	527.70s	373.19s

模型生成展示

Hamster playing table tennis

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

#20 Muse Spark 1.2

high

成本: $0.057
时间: 34.7s
令牌: 13,356 tok

#18 GPT-5.3-Codex

medium

成本: $0.049
时间: 54.9s
令牌: 3,580 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 1.2	7.1	8.4	58.3%	1		6.00s	618	544	11,656
GPT-5.3-Codex	8.7	7.9	91.7%	1		4.16s	606	240	1,722

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 1.2	10.0	10.0	100.0%	0		22.24s	7,275	351	47,857
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.50s	7,302	535	10,890

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 1.2	8.0	6.9	66.7%	1		39.89s	89,299	4,673	47,491
GPT-5.3-Codex	10.0	10.0	100.0%	0		26.04s	57,988	4,258	5,816

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 1.2	10.0	10.0	100.0%	0		6.93s	6,969	240	6,258
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.07s	7,140	234	728

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 1.2	5.9	7.2	55.6%	1		89.79s	729	94	196,042
GPT-5.3-Codex	5.9	7.2	55.6%	1		64.31s	813	64	25,308

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 1.2	10.0	10.0	100.0%	0		13.93s	477	120	4,203
GPT-5.3-Codex	4.6	10.0	0.0%	0		4.87s	477	187	331

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 1.2	9.8	10.0	100.0%	0		5.43s	669	117	6,124
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.04s	660	93	693

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 1.2	8.2	7.7	77.8%	1		10.07s	651	343	15,171
GPT-5.3-Codex	9.0	7.9	88.9%	1		5.05s	642	356	1,593

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 1.2	10.0	10.0	100.0%	0		4.00s	10,158	459	1,316
GPT-5.3-Codex	10.0	10.0	100.0%	0		6.37s	5,445	254	492

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 1.2	3.0	10.0	0.0%	0		14.99s	183	42	6,470
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701

快速对比

切换对比组合

GPT-5.3-CodexmediumvsGrok 4.5high Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Gemini 3.6 FlashlowvsMuse Spark 1.2high Claude Opus 4.7mediumvsMuse Spark 1.2high Muse Spark 1.2highvsQwen3.8 Maxlow Claude Opus 4.8mediumvsMuse Spark 1.2high Claude Fable 5mediumvsMuse Spark 1.2high Claude Opus 5lowvsMuse Spark 1.2high Gemini 3.5 Flash LitehighvsGPT-5.3-Codexmedium Gemini 3.5 FlashlowvsMuse Spark 1.2high Gemini 3.6 FlashlowvsGPT-5.3-Codexmedium Muse Spark 1.2highvsGPT-5.5medium