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 4.8 vs Meta: Muse Spark 1.1

সারাংশ

Muse Spark 1.1 (high) average score-এ এগিয়ে: 7.8 vs 7.7. Claude Opus 4.8 (low)-এর benchmark খরচ কম: $1.270 vs $1.440. Claude Opus 4.8 (low) দ্রুত: 10.83s vs 29.16s, pass rates 79.4% vs 69.8%.

প্রস্তাবিত মডেলClaude Opus 4.8 (low)Its score stays close to the best score here (7.7 vs 7.8), while responding about 2.7x faster than Muse Spark 1.1 (high).

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

মেট্রিক Claude Opus 4.8 Claude Opus 4.8 low প্রকাশ: 2026-05-28 Muse Spark 1.1 Muse Spark 1.1 high প্রকাশ: 2026-07-16
স্কোর 7.7 7.8
র‍্যাঙ্ক #51 #41
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.8 8.1
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 79.4% 69.8%
অস্থির টেস্ট 3 5
মোট রান 63 61
প্রতি ফলাফলে খরচ 8.466 11.997
মোট খরচ $1.270 $1.440
ইনপুট মূল্য $5.000 / 1M $1.250 / 1M
আউটপুট মূল্য $25.000 / 1M $4.250 / 1M
মোট ইনপুট টোকেন 60,946 64,900
আউটপুট টোকেন 31,771 3,577
রিজনিং টোকেন 6,831 316,055
প্রতিক্রিয়া সময় (গড়) 10.83s 29.16s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 127.97s 196.03s
প্রতিক্রিয়া সময় (মোট) 227.39s 583.18s

জেনারেশন শোকেস

Hamster playing table tennis

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

#51 Claude Opus 4.8

low
খরচ
$0.031
সময়
14.1s
টোকেন
1,345 tok

#41 Muse Spark 1.1

high
খরচ
$0.039
সময়
50.1s
টোকেন
9,423 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 4.8 6.6 4.6 77.8% 2 7.58s 10,590 3,637 809
Muse Spark 1.1 10.0 10.0 100.0% 0 22.92s 8,562 349 36,039

দ্রুত তুলনা

তুলনার জুটি বদলান