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 Sonnet 4.6 vs Meta: Muse Spark 1.1

সারাংশ

average score প্রায় সমান: 7.8 vs 7.8. Claude Sonnet 4.6 (medium)-এর benchmark খরচ কম: $1.418 vs $1.440. Claude Sonnet 4.6 (medium) দ্রুত: 17.06s vs 29.16s, pass rates 65.1% vs 69.8%.

প্রস্তাবিত মডেলClaude Sonnet 4.6 (medium)It has the best score here (7.8), while responding about 1.7x faster than Muse Spark 1.1 (high).

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

মেট্রিক Claude Sonnet 4.6 Claude Sonnet 4.6 medium প্রকাশ: 2026-02-17 Muse Spark 1.1 Muse Spark 1.1 high প্রকাশ: 2026-07-16
স্কোর 7.8 7.8
র‍্যাঙ্ক #44 #41
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 9.1 8.1
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 65.1% 69.8%
অস্থির টেস্ট 2 5
মোট রান 63 61
প্রতি ফলাফলে খরচ 10.904 11.997
মোট খরচ $1.418 $1.440
ইনপুট মূল্য $3.000 / 1M $1.250 / 1M
আউটপুট মূল্য $15.000 / 1M $4.250 / 1M
মোট ইনপুট টোকেন 49,112 64,900
আউটপুট টোকেন 54,703 3,577
রিজনিং টোকেন 29,970 316,055
প্রতিক্রিয়া সময় (গড়) 17.06s 29.16s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 46.35s 196.03s
প্রতিক্রিয়া সময় (মোট) 221.83s 583.18s

জেনারেশন শোকেস

Hamster playing table tennis

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

#44 Claude Sonnet 4.6

medium
অবৈধ SVG
খরচ
$0.000
সময়
300.0s
টোকেন
0 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 Sonnet 4.6 5.7 6.6 44.4% 1 33.29s 6,995 16,089 3,686
Muse Spark 1.1 10.0 10.0 100.0% 0 22.92s 8,562 349 36,039

দ্রুত তুলনা

তুলনার জুটি বদলান