- 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 Grok 4.5 (high)
Grok 4.5 (high) 平均分领先，为 8.9 vs 8.8。 Muse Spark 1.2 (high) benchmark 成本更低，为 $1.632 vs $1.707。 Muse Spark 1.2 (high) 更快，为 23.99s vs 76.50s，通过率为 75.8% vs 83.3%。
- 排名
- #17
- 总输出令牌
- 253,195
- 响应时间（平均）
- 76.50s
- 总成本
- $1.707
推荐模型
Muse Spark 1.2 (high)
它的得分接近这里的最高分（8.8 vs 8.9），同时响应速度比Grok 4.5 (high)快约 3.2 倍。
详细对比
| 指标 | Muse Spark 1.2 Muse Spark 1.2 high | Grok 4.5 Grok 4.5 high |
|---|---|---|
| 分数 | 8.8 | 8.9 |
| 排名 | #20 | #17 |
| 可靠性 | 9.8 | 10.0 |
| 一致性 | 8.7 | 9.2 |
| 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 | 2 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 10.880 | 10.041 |
| 总成本 | $1.632 | $1.707 |
| 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 | 151,562 |
| 输出令牌 | 6,983 | 5,655 |
| 推理令牌 | 342,588 | 247,540 |
| 响应时间（平均） | 23.99s | 76.50s |
| 响应时间（最大） | 192.00s | 676.83s |
| 响应时间（总计） | 527.70s | 1683.07s |
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
#17 xAI: Grok 4.5
high- 成本
- $0.015
- 时间
- 29.7s
- 令牌
- 2,737 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 5.67s | 2,991 | 204 | 4,545 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 155.16s | 9,579 | 357 | 100,752 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 35.56s | 113,448 | 4,299 | 13,004 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 7.63s | 8,937 | 225 | 3,888 |
| 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 | |
| Grok 4.5 | 3.6 | 7.2 | 22.2% | 1 | 332.11s | 1,910 | 6 | 101,850 |
| 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 | |
| Grok 4.5 | 4.7 | 1.6 | 66.7% | 1 | 9.82s | 1,077 | 83 | 1,899 |
| 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 | |
| Grok 4.5 | 9.8 | 10.0 | 100.0% | 0 | 6.23s | 1,857 | 57 | 3,154 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 7.88s | 2,430 | 220 | 4,312 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 5.71s | 8,544 | 192 | 901 |
| 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 | |
| Grok 4.5 | 3.0 | 10.0 | 0.0% | 0 | 60.58s | 789 | 12 | 13,235 |
快速对比
切换对比组合
GPT-5.3-CodexmediumvsGrok 4.5highGemini 3.5 FlashlowvsGrok 4.5highGemini 3.6 FlashlowvsMuse Spark 1.2highClaude Opus 4.7mediumvsMuse Spark 1.2highGPT-5.5mediumvsGrok 4.5highMuse Spark 1.2highvsQwen3.8 MaxlowClaude Opus 4.8mediumvsGrok 4.5highClaude Opus 4.8mediumvsMuse Spark 1.2highClaude Fable 5mediumvsMuse Spark 1.2highClaude Opus 5lowvsMuse Spark 1.2highMuse Spark 1.2highvsGPT-5.3-CodexmediumGemini 3.5 FlashlowvsMuse Spark 1.2high