- 排名
- #25
- 总输出令牌
- 117,915
- 响应时间（平均）
- 43.67s
- 总成本
- $0.633
Muse Spark 1.3 (low) vs GPT-5.3-Codex (medium)
平均分几乎持平，为 9.0 vs 8.9。 Muse Spark 1.3 (low) benchmark 成本更低，为 $0.633 vs $0.988。 GPT-5.3-Codex (medium) 更快，为 16.91s vs 43.67s，通过率为 83.3% vs 83.3%。
- 排名
- #28
- 总输出令牌
- 60,374
- 响应时间（平均）
- 16.91s
- 总成本
- $0.988
推荐模型
GPT-5.3-Codex (medium)
它在这里得分最高（8.9），同时响应速度比Muse Spark 1.3 (low)快约 2.6 倍。
详细对比
| 指标 | Muse Spark 1.3 Muse Spark 1.3 low | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| 分数 | 9.0 | 8.9 |
| 排名 | #25 | #28 |
| 可靠性 | 9.6 | 10.0 |
| 一致性 | 9.0 | 8.6 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 83.3% | 83.3% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 3.720 | 6.171 |
| 总成本 | $0.633 | $0.988 |
| 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 | 104,966 | 81,187 |
| 输出令牌 | 10,208 | 6,258 |
| 推理令牌 | 107,707 | 54,116 |
| 响应时间（平均） | 43.67s | 16.91s |
| 响应时间（最大） | 190.38s | 100.93s |
| 响应时间（总计） | 960.70s | 372.03s |
| 参数量 | ~1T 总计 (~50B 激活) | ~1.2T 总计 (~80B 激活) |
| 开放状态 | 闭源 | 闭源 |
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 1.3
low- 成本
- $0.017
- 时间
- 83.9s
- 令牌
- 3,959 tok
#28 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
| 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 1.3 | 10.0 | 10.0 | 100.0% | 0 | 13.17s | 618 | 454 | 5,890 | |
| 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 1.3 | 10.0 | 10.0 | 100.0% | 0 | 53.93s | 7,275 | 1,047 | 21,679 | |
| 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 1.3 | 8.7 | 6.9 | 83.3% | 1 | 70.20s | 77,146 | 5,170 | 12,172 | |
| 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 1.3 | 10.0 | 10.0 | 100.0% | 0 | 14.48s | 7,155 | 409 | 3,724 | |
| 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 1.3 | 2.9 | 4.4 | 22.2% | 2 | 107.84s | 634 | 1,097 | 39,095 | |
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 63.93s | 732 | 71 | 30,150 |
| 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 1.3 | 10.0 | 10.0 | 100.0% | 0 | 15.67s | 477 | 193 | 1,375 | |
| 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 1.3 | 9.8 | 10.0 | 100.0% | 0 | 16.20s | 669 | 274 | 3,254 | |
| 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 1.3 | 10.0 | 10.0 | 100.0% | 0 | 33.32s | 651 | 752 | 11,126 | |
| 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 1.3 | 10.0 | 10.0 | 100.0% | 0 | 13.00s | 10,158 | 522 | 1,532 | |
| 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 1.3 | 3.0 | 10.0 | 0.0% | 0 | 92.31s | 183 | 290 | 7,860 | |
| 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
Muse Spark 1.3lowvsGrok 4.5highMuse Spark 1.3lowvsQwen3.8 MaxmediumGPT-5.3-CodexmediumvsGrok 4.5highMuse Spark 1.3lowvsGPT-5.5mediumSeed 2.1 TurbohighvsGPT-5.3-CodexmediumGemini 3.5 FlashmediumvsMuse Spark 1.3lowMuse Spark 1.3highvsGPT-5.3-CodexmediumClaude Fable 5.1highvsMuse Spark 1.3lowSeed 2.1 TurbohighvsMuse Spark 1.3lowMuse Spark 1.3lowvsQwen3.7 MaxmediumClaude Fable 5.1highvsGPT-5.3-CodexmediumGemini 3.5 FlashlowvsGPT-5.3-Codexmedium