- 排名
- #44
- 总输出令牌
- 409,641
- 响应时间（平均）
- 92.38s
- 总成本
- $2.081
Muse Spark Open (xhigh) vs GPT-5.3-Codex (medium)
GPT-5.3-Codex (medium) 平均分领先，为 9.1 vs 9.0。 GPT-5.3-Codex (medium) benchmark 成本更低，为 $1.318 vs $2.081。 GPT-5.3-Codex (medium) 更快，为 18.87s vs 92.38s，通过率为 81.2% vs 84.1%。
已对比模型
- 排名
- #37
- 总输出令牌
- 66,287
- 响应时间（平均）
- 18.87s
- 总成本
- $1.318
推荐模型
GPT-5.3-Codex (medium)
它在这里得分最高（9.1），同时成本比Muse Spark Open (xhigh)低约 1.6 倍。
详细对比
| 指标 | Muse Spark Open Muse Spark Open xhigh | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| 分数 | 9.0 | 9.1 |
| 排名 | #44 | #37 |
| 可靠性 | 9.6 | 10.0 |
| 一致性 | 8.3 | 8.6 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 81.2% | 84.1% |
| 不稳定测试 | 5 | 4 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 13.001 | 7.753 |
| 总成本 | $2.081 | $1.318 |
| 输入价格 | $1.250 / 1M | $1.750 / 1M |
| 输出价格 | $4.250 / 1M | $14.000 / 1M |
| 缓存读取价格 | $0.150 / 1M | $0.175 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 271,242 | 222,794 |
| 输出令牌 | 11,803 | 7,357 |
| 推理令牌 | 397,838 | 58,930 |
| 响应时间（平均） | 92.38s | 18.87s |
| 响应时间（最大） | 482.30s | 100.93s |
| 响应时间（总计） | 2124.67s | 433.94s |
| 参数量 | 816B 总计 (42B 激活) | ~1.2T 总计 (~80B 激活) |
| 开放状态 | 权重可用 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#44 Muse Spark Open
xhigh- 成本
- $0.049
- 时间
- 244.5s
- 令牌
- 11,567 tok
#37 GPT-5.3-Codex
medium- 成本
- $0.049
- 时间
- 54.9s
- 令牌
- 3,580 tok
类别细分
| 智能体任务 | 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 Open | 10.0 | 10.0 | 100.0% | 0 | 84.28s | 163,040 | 3,187 | 7,548 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 61.91s | 141,607 | 1,099 | 4,814 |
| 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 Open | 8.7 | 7.9 | 91.7% | 1 | 20.08s | 2,219 | 575 | 7,718 | |
| 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 Open | 10.0 | 10.0 | 100.0% | 0 | 51.43s | 8,478 | 1,796 | 53,029 | |
| 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 Open | 10.0 | 10.0 | 100.0% | 0 | 133.96s | 71,468 | 4,663 | 49,355 | |
| 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 Open | 10.0 | 10.0 | 100.0% | 0 | 16.36s | 7,767 | 229 | 3,876 | |
| 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 Open | 2.9 | 4.4 | 22.2% | 2 | 341.54s | 1,277 | 58 | 215,539 | |
| 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 Open | 6.5 | 3.4 | 66.7% | 1 | 7.26s | 879 | 140 | 4,172 | |
| 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 Open | 10.0 | 10.0 | 100.0% | 0 | 23.45s | 1,467 | 105 | 5,478 | |
| 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 Open | 8.2 | 7.2 | 88.9% | 1 | 112.47s | 1,711 | 386 | 39,934 | |
| 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 Open | 10.0 | 10.0 | 100.0% | 0 | 5.06s | 12,354 | 261 | 986 | |
| 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 Open | 3.0 | 10.0 | 0.0% | 0 | 83.89s | 582 | 403 | 10,203 | |
| 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
Claude Haiku 5.5xhighvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsQwen3.8 Max (0902)highMuse Spark 1.3highvsGPT-5.3-CodexmediumGemini 3.5 FlashlowvsMuse Spark OpenxhighMuse WonderlowvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsParetodefaultSeed 2.1 TurbohighvsGPT-5.3-CodexmediumMuse Spark OpenxhighvsQwen3.8 Max (0902)mediumMuse WonderminimalvsGPT-5.3-CodexmediumClaude Sonnet 5.5maxvsGPT-5.3-CodexmediumSeed 2.1 TurbohighvsMuse Spark OpenxhighMuse Spark OpenxhighvsParetodefault