- 排名
- #20
- 总输出令牌
- 349,571
- 响应时间（平均）
- 23.99s
- 总成本
- $1.632
Muse Spark 1.2 (high) vs Qwen3.8 Max (low)
Muse Spark 1.2 (high) 平均分领先，为 8.8 vs 8.7。 Qwen3.8 Max (low) benchmark 成本更低，为 $0.687 vs $1.632。 Qwen3.8 Max (low) 更快，为 21.19s vs 23.99s，通过率为 75.8% vs 84.9%。
- 排名
- #24
- 总输出令牌
- 81,411
- 响应时间（平均）
- 21.19s
- 总成本
- $0.687
推荐模型
Qwen3.8 Max (low)
它的得分接近这里的最高分（8.7 vs 8.8），同时成本比Muse Spark 1.2 (high)低约 2.4 倍。
详细对比
| 指标 | Muse Spark 1.2 Muse Spark 1.2 high | Qwen3.8 Max Qwen3.8 Max low |
|---|---|---|
| 分数 | 8.8 | 8.7 |
| 排名 | #20 | #24 |
| 可靠性 | 9.8 | 10.0 |
| 一致性 | 8.7 | 9.0 |
| 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% | 84.9% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 10.880 | 4.041 |
| 总成本 | $1.632 | $0.687 |
| 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 | 117,028 | 99,172 |
| 输出令牌 | 6,983 | 6,132 |
| 推理令牌 | 342,588 | 75,279 |
| 响应时间（平均） | 23.99s | 21.19s |
| 响应时间（最大） | 192.00s | 155.75s |
| 响应时间（总计） | 527.70s | 466.14s |
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
#24 Qwen3.8 Max
low- 成本
- $0.026
- 时间
- 68.5s
- 令牌
- 4,280 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 1.2 | 7.1 | 8.4 | 58.3% | 1 | 6.00s | 618 | 544 | 11,656 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 3.93s | 984 | 228 | 1,750 |
| 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 | |
| Qwen3.8 Max | 8.4 | 7.4 | 88.9% | 1 | 28.69s | 8,127 | 512 | 15,952 |
| 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 98.19s | 69,994 | 4,221 | 32,937 |
| 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 7.87s | 7,938 | 270 | 2,257 |
| 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 | |
| Qwen3.8 Max | 5.3 | 7.2 | 44.4% | 1 | 35.37s | 1,005 | 62 | 17,102 |
| 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 | |
| Qwen3.8 Max | 6.5 | 3.4 | 66.7% | 1 | 5.29s | 594 | 128 | 568 |
| 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 4.01s | 855 | 102 | 851 |
| 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 | |
| Qwen3.8 Max | 9.9 | 10.0 | 100.0% | 0 | 4.11s | 930 | 286 | 1,304 |
| 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 8.06s | 8,463 | 295 | 693 |
| 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 | |
| Qwen3.8 Max | 3.0 | 10.0 | 0.0% | 0 | 12.43s | 282 | 28 | 1,865 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsQwen3.8 MaxlowGemini 3.6 FlashlowvsMuse Spark 1.2highMuse Spark 1.2mediumvsQwen3.8 MaxlowMuse Spark 1.1mediumvsQwen3.8 MaxlowClaude Opus 4.7mediumvsMuse Spark 1.2highClaude Fable 5mediumvsQwen3.8 MaxlowGemini 3.5 Flash LitehighvsQwen3.8 MaxlowClaude Opus 4.8mediumvsMuse Spark 1.2highClaude Fable 5mediumvsMuse Spark 1.2highGPT-5.4mediumvsQwen3.8 MaxlowClaude Opus 4.8mediumvsQwen3.8 MaxlowClaude Opus 5lowvsMuse Spark 1.2high