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

Claude Opus 4.8 (medium) average score-এ এগিয়ে: 8.8 vs 8.8. Muse Spark 1.1 (low)-এর benchmark খরচ কম: $0.469 vs $1.107. Claude Opus 4.8 (medium) দ্রুত: 9.72s vs 10.11s, pass rates 84.1% vs 73.0%.

প্রস্তাবিত মডেলMuse Spark 1.1 (low)Its score stays close to the best score here (8.8 vs 8.8), while costing about 2.4x less than Claude Opus 4.8 (medium).

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

মেট্রিক Claude Opus 4.8 Claude Opus 4.8 medium প্রকাশ: 2026-05-28 Muse Spark 1.1 Muse Spark 1.1 low প্রকাশ: 2026-07-16
স্কোর 8.8 8.8
র‍্যাঙ্ক #16 #17
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.6 8.5
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 84.1% 73.0%
অস্থির টেস্ট 1 4
মোট রান 63 63
প্রতি ফলাফলে খরচ 6.512 3.606
মোট খরচ $1.107 $0.469
ইনপুট মূল্য $5.000 / 1M $1.250 / 1M
আউটপুট মূল্য $25.000 / 1M $4.250 / 1M
মোট ইনপুট টোকেন 61,007 59,923
আউটপুট টোকেন 26,495 3,722
রিজনিং টোকেন 5,901 88,947
প্রতিক্রিয়া সময় (গড়) 9.72s 10.11s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 38.03s 54.15s
প্রতিক্রিয়া সময় (মোট) 204.19s 212.29s

জেনারেশন শোকেস

Hamster playing table tennis

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

#16 Claude Opus 4.8

medium
খরচ
$0.057
সময়
23.1s
টোকেন
2,412 tok

#17 Muse Spark 1.1

low
খরচ
$0.020
সময়
39.2s
টোকেন
4,947 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 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
Muse Spark 1.1 10.0 10.0 100.0% 0 10.34s 8,562 394 14,503

দ্রুত তুলনা

তুলনার জুটি বদলান