নেভিগেশন
AI BENCHY
Advertise here

Meta: Muse Spark 1.1 vs StepFun: Step 3.7 Flash

average score প্রায় সমান: 8.1 vs 8.0. Step 3.7 Flash (medium)-এর benchmark খরচ কম: $0.515 vs $1.694. Step 3.7 Flash (medium) দ্রুত: 26.37s vs 31.49s, pass rates 69.7% vs 72.7%.

প্রস্তাবিত মডেলStep 3.7 Flash (medium)It has the best score here (8.0), while costing about 3.3x less than Muse Spark 1.1 (high).

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-07-17

মেট্রিক Muse Spark 1.1 Muse Spark 1.1 high প্রকাশ: 2026-07-16 Step 3.7 Flash Step 3.7 Flash medium প্রকাশ: 2026-05-29
স্কোর 8.1 8.0
র‍্যাঙ্ক #27 #28
নির্ভরযোগ্যতা 10.0 9.9
ধারাবাহিকতা 7.9 8.9
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 69.7% 72.7%
অস্থির টেস্ট 6 3
মোট রান 64 64
প্রতি ফলাফলে খরচ 14.116 3.676
মোট খরচ $1.694 $0.515
ইনপুট মূল্য $1.250 / 1M $0.200 / 1M
আউটপুট মূল্য $4.250 / 1M $1.150 / 1M
মোট ইনপুট টোকেন 129,423 114,062
আউটপুট টোকেন 8,077 427,572
রিজনিং টোকেন 352,421 0
প্রতিক্রিয়া সময় (গড়) 31.49s 26.37s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 196.03s 152.83s
প্রতিক্রিয়া সময় (মোট) 661.28s 580.25s

Hamster playing table tennis

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

#27 Muse Spark 1.1

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

#28 Step 3.7 Flash

medium
খরচ
$0.006
সময়
46.2s
টোকেন
4,466 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
Step 3.7 Flash 8.8 7.8 88.9% 1 27.42s 7,437 44,797 0

দ্রুত তুলনা

তুলনার জুটি বদলান