নেভিগেশন
AI BENCHY
Advertise here

AI BENCHY Compare

Meta: Muse Spark 1.1 vs Qwen: Qwen3.5-122B-A10B

সারাংশ

Muse Spark 1.1 (high) average score-এ এগিয়ে: 7.8 vs 7.7. Qwen3.5-122B-A10B (medium)-এর benchmark খরচ কম: $0.588 vs $1.440. Muse Spark 1.1 (high) দ্রুত: 29.16s vs 42.49s, pass rates 69.8% vs 73.0%.

প্রস্তাবিত মডেলQwen3.5-122B-A10B (medium)Its score stays close to the best score here (7.7 vs 7.8), while costing about 2.5x less than Muse Spark 1.1 (high).

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

মেট্রিক Muse Spark 1.1 Muse Spark 1.1 high প্রকাশ: 2026-07-16 Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium প্রকাশ: 2026-02-24
স্কোর 7.8 7.7
র‍্যাঙ্ক #41 #50
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.1 8.8
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 69.8% 73.0%
অস্থির টেস্ট 5 3
মোট রান 61 63
প্রতি ফলাফলে খরচ 11.997 5.235
মোট খরচ $1.440 $0.588
ইনপুট মূল্য $1.250 / 1M $0.260 / 1M
আউটপুট মূল্য $4.250 / 1M $2.080 / 1M
মোট ইনপুট টোকেন 64,900 41,832
আউটপুট টোকেন 3,577 26,187
রিজনিং টোকেন 316,055 251,028
প্রতিক্রিয়া সময় (গড়) 29.16s 42.49s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 196.03s 168.16s
প্রতিক্রিয়া সময় (মোট) 583.18s 892.30s

জেনারেশন শোকেস

Hamster playing table tennis

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

#41 Muse Spark 1.1

high
খরচ
$0.039
সময়
50.1s
টোকেন
9,423 tok

#50 Qwen3.5-122B-A10B

medium
খরচ
$0.019
সময়
48.7s
টোকেন
6,034 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
Muse Spark 1.1 10.0 10.0 100.0% 0 22.92s 8,562 349 36,039
Qwen3.5-122B-A10B 6.0 7.2 55.6% 1 114.48s 7,630 8,057 82,578

দ্রুত তুলনা

তুলনার জুটি বদলান