- 排名
- #25
- 总输出令牌
- 252,312
- 响应时间（平均）
- 17.47s
- 总成本
- $1.227
Muse Spark 1.2 (medium) vs Grok 4.5 (low)
Muse Spark 1.2 (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 $1.227。 Grok 4.5 (low) 更快，为 15.56s vs 17.47s，通过率为 74.2% vs 75.8%。
- 排名
- #32
- 总输出令牌
- 113,951
- 响应时间（平均）
- 15.56s
- 总成本
- $0.935
推荐模型
Grok 4.5 (low)
它提供了最佳整体取舍：得分有竞争力（8.4），成本低于Muse Spark 1.2 (medium)，响应时间也较均衡。
详细对比
| 指标 | Muse Spark 1.2 Muse Spark 1.2 medium | Grok 4.5 Grok 4.5 low |
|---|---|---|
| 分数 | 8.6 | 8.4 |
| 排名 | #25 | #32 |
| 可靠性 | 9.9 | 10.0 |
| 一致性 | 8.7 | 9.7 |
| 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% | 75.8% |
| 不稳定测试 | 4 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 8.764 | 5.844 |
| 总成本 | $1.227 | $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 | 123,671 | 125,596 |
| 输出令牌 | 7,222 | 7,505 |
| 推理令牌 | 245,090 | 106,446 |
| 响应时间（平均） | 17.47s | 15.56s |
| 响应时间（最大） | 142.49s | 205.28s |
| 响应时间（总计） | 384.44s | 342.32s |
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
#32 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 1.2 | 7.3 | 6.2 | 75.0% | 2 | 5.38s | 618 | 369 | 9,916 | |
| 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 1.2 | 10.0 | 10.0 | 100.0% | 0 | 17.49s | 7,275 | 353 | 33,215 | |
| 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 1.2 | 8.5 | 10.0 | 50.0% | 0 | 24.89s | 95,942 | 5,020 | 33,103 | |
| 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 1.2 | 10.0 | 10.0 | 100.0% | 0 | 6.42s | 6,969 | 240 | 5,342 | |
| 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 1.2 | 5.3 | 10.0 | 33.3% | 0 | 61.13s | 729 | 104 | 136,271 | |
| 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 1.2 | 6.1 | 3.1 | 66.7% | 1 | 10.67s | 477 | 131 | 3,970 | |
| 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 1.2 | 9.8 | 10.0 | 100.0% | 0 | 4.40s | 669 | 117 | 4,950 | |
| 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 1.2 | 8.7 | 7.7 | 88.9% | 1 | 9.45s | 651 | 387 | 11,155 | |
| 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 1.2 | 10.0 | 10.0 | 100.0% | 0 | 3.89s | 10,158 | 459 | 1,314 | |
| 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 1.2 | 3.0 | 10.0 | 0.0% | 0 | 12.79s | 183 | 42 | 5,854 | |
| 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 4.5lowInkling SmallhighvsGrok 4.5lowQwen3.6 Max PreviewmediumvsGrok 4.5lowClaude Opus 5lowvsMuse Spark 1.2mediumMuse Spark 1.2mediumvsQwen3.8 MaxlowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.6 FlashlowvsMuse Spark 1.2mediumGemini 3.5 Flash LitehighvsMuse Spark 1.2mediumGPT-5.4mediumvsGrok 4.5lowGemini 2.5 FlashmediumvsGrok 4.5lowClaude Fable 5mediumvsGrok 4.5lowMuse Spark 1.1mediumvsGrok 4.5low