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

Meta: Muse Spark 1.1 vs xAI: Grok 4.5

সারাংশ

average score প্রায় সমান: 7.8 vs 7.8. Grok 4.5 (low)-এর benchmark খরচ কম: $0.760 vs $1.440. Grok 4.5 (low) দ্রুত: 15.48s vs 29.16s, pass rates 69.8% vs 74.6%.

প্রস্তাবিত মডেলGrok 4.5 (low)It has the best score here (7.8), while costing about 1.9x 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 Grok 4.5 Grok 4.5 low প্রকাশ: 2026-07-08
স্কোর 7.8 7.8
র‍্যাঙ্ক #41 #45
নির্ভরযোগ্যতা 10.0 10.0
ধারাবাহিকতা 8.1 9.7
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 69.8% 74.6%
অস্থির টেস্ট 5 1
মোট রান 61 63
প্রতি ফলাফলে খরচ 11.997 5.061
মোট খরচ $1.440 $0.760
ইনপুট মূল্য $1.250 / 1M $2.000 / 1M
আউটপুট মূল্য $4.250 / 1M $6.000 / 1M
মোট ইনপুট টোকেন 64,900 58,652
আউটপুট টোকেন 3,577 1,735
রিজনিং টোকেন 316,055 105,233
প্রতিক্রিয়া সময় (গড়) 29.16s 15.48s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 196.03s 205.28s
প্রতিক্রিয়া সময় (মোট) 583.18s 324.98s

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

#45 xAI: Grok 4.5

low
খরচ
$0.011
সময়
12.4s
টোকেন
2,018 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
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641

দ্রুত তুলনা

তুলনার জুটি বদলান