Muse Spark 1.2 (medium) vs GPT-5.4 (medium)

排名: #25
总输出令牌: 252,312
响应时间（平均）: 17.47s
总成本: $1.227

排名: #29
总输出令牌: 88,670
响应时间（平均）: 23.10s
总成本: $1.533

推荐模型 Muse Spark 1.2 (medium)

它在本次比较中得分最高（8.6），并且在全部 2 个模型中兼顾成本和响应时间最好。

详细对比

指标	Muse Spark 1.2 Muse Spark 1.2 medium 发布日期: 2026-08-06	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05

指标	Muse Spark 1.2 Muse Spark 1.2 medium 发布日期: 2026-08-06	GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05
分数	8.6	8.5
排名	#25	#29
可靠性	9.9	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	74.2%	77.3%
不稳定测试	4	4
总运行次数	66	66
每个结果成本	8.764	10.220
总成本	$1.227	$1.533
输入价格	$1.250 / 1M	$2.500 / 1M
输出价格	$4.250 / 1M	$15.000 / 1M
总输入令牌	123,671	81,127
输出令牌	7,222	6,155
推理令牌	245,090	82,515
响应时间（平均）	17.47s	23.10s
响应时间（最大）	142.49s	100.41s
响应时间（总计）	384.44s	508.26s

模型生成展示

Hamster playing table tennis

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

#25 Muse Spark 1.2

medium

成本: $0.033
时间: 21.8s
令牌: 7,846 tok

#29 GPT-5.4

medium

成本: $0.214
时间: 199.6s
令牌: 14,349 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	7.3	6.2	75.0%	2		5.38s	618	369	9,916
GPT-5.4	8.3	10.0	75.0%	0		4.11s	606	240	1,511

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		17.49s	7,275	353	33,215
GPT-5.4	8.8	7.8	88.9%	1		44.36s	7,305	433	24,216

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	8.5	10.0	50.0%	0		24.89s	95,942	5,020	33,103
GPT-5.4	10.0	10.0	100.0%	0		29.77s	58,038	4,214	13,351

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		6.42s	6,969	240	5,342
GPT-5.4	10.0	10.0	100.0%	0		5.32s	7,140	234	804

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	5.3	10.0	33.3%	0		61.13s	729	104	136,271
GPT-5.4	5.3	7.2	44.4%	1		74.27s	619	61	34,748

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	6.1	3.1	66.7%	1		10.67s	477	131	3,970
GPT-5.4	4.7	3.1	33.3%	1		4.92s	477	145	321

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		4.40s	669	117	4,950
GPT-5.4	10.0	10.0	100.0%	0		3.11s	660	93	897

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	8.7	7.7	88.9%	1		9.45s	651	387	11,155
GPT-5.4	8.2	7.2	88.9%	1		9.14s	642	441	3,815

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		3.89s	10,158	459	1,314
GPT-5.4	10.0	10.0	100.0%	0		13.28s	5,445	264	1,031

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		12.79s	183	42	5,854
GPT-5.4	3.0	10.0	0.0%	0		13.95s	195	30	1,821

快速对比

切换对比组合

Claude Opus 5lowvsMuse Spark 1.2medium Muse Spark 1.2mediumvsQwen3.8 Maxlow Claude Opus 5lowvsGPT-5.4medium Muse Spark 1.2lowvsGPT-5.4medium Gemini 3.6 FlashlowvsMuse Spark 1.2medium Gemini 3.5 Flash LitehighvsMuse Spark 1.2medium GPT-5.4mediumvsGrok 4.5low GPT-5.4mediumvsInkling Smallhigh GPT-5.4mediumvsQwen3.8 Maxlow Gemini 3.6 FlashlowvsGPT-5.4medium Gemini 3.5 Flash LitehighvsGPT-5.4medium Muse Spark 1.2mediumvsGrok 4.5low