নেভিগেশন
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.7 vs Meta: Muse Spark 1.1

সারাংশ

Muse Spark 1.1 (medium) average score-এ এগিয়ে: 8.9 vs 8.7. Claude Opus 4.7 (medium)-এর benchmark খরচ কম: $0.679 vs $1.152. Claude Opus 4.7 (medium) দ্রুত: 4.73s vs 23.35s, pass rates 82.5% vs 76.2%.

প্রস্তাবিত মডেলClaude Opus 4.7 (medium)Its score stays close to the best score here (8.7 vs 8.9), while costing about 1.7x less than Muse Spark 1.1 (medium).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-16

মেট্রিক Claude Opus 4.7 Claude Opus 4.7 medium প্রকাশ: 2026-04-16 Muse Spark 1.1 Muse Spark 1.1 medium প্রকাশ: 2026-07-16
স্কোর 8.7 8.9
র‍্যাঙ্ক #18 #15
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.6 9.2
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 82.5% 76.2%
অস্থির টেস্ট 1 2
মোট রান 63 63
প্রতি ফলাফলে খরচ 3.991 7.676
মোট খরচ $0.679 $1.152
ইনপুট মূল্য $5.000 / 1M $1.250 / 1M
আউটপুট মূল্য $25.000 / 1M $4.250 / 1M
মোট ইনপুট টোকেন 65,406 59,928
আউটপুট টোকেন 11,858 3,523
রিজনিং টোকেন 2,198 249,752
প্রতিক্রিয়া সময় (গড়) 4.73s 23.35s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 23.18s 165.38s
প্রতিক্রিয়া সময় (মোট) 94.51s 490.40s

জেনারেশন শোকেস

Hamster playing table tennis

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

#18 Claude Opus 4.7

medium
খরচ
$0.059
সময়
26.8s
টোকেন
2,475 tok

#15 Muse Spark 1.1

medium
খরচ
$0.024
সময়
29.2s
টোকেন
5,774 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Claude Opus 4.7 7.6 7.2 77.8% 1 12.96s 10,635 7,629 1,114
Muse Spark 1.1 10.0 10.0 100.0% 0 15.66s 8,562 347 23,562

দ্রুত তুলনা

তুলনার জুটি বদলান