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 MoonshotAI: Kimi K3

সারাংশ

Muse Spark 1.1 (medium) average score-এ এগিয়ে: 8.9 vs 8.5. Muse Spark 1.1 (medium)-এর benchmark খরচ কম: $1.152 vs $3.112. Muse Spark 1.1 (medium) দ্রুত: 23.35s vs 122.48s, pass rates 76.2% vs 82.5%.

প্রস্তাবিত মডেলMuse Spark 1.1 (medium)It has the best score here (8.9), while costing about 2.7x less than Kimi K3 (max).

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

মেট্রিক Muse Spark 1.1 Muse Spark 1.1 medium প্রকাশ: 2026-07-16 Kimi K3 Kimi K3 max প্রকাশ: 2026-07-16
স্কোর 8.9 8.5
র‍্যাঙ্ক #15 #21
নির্ভরযোগ্যতা 10.0 9.4
ধারাবাহিকতা 9.2 9.2
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 76.2% 82.5%
অস্থির টেস্ট 2 2
মোট রান 63 63
প্রতি ফলাফলে খরচ 7.676 19.446
মোট খরচ $1.152 $3.112
ইনপুট মূল্য $1.250 / 1M $3.000 / 1M
আউটপুট মূল্য $4.250 / 1M $15.000 / 1M
মোট ইনপুট টোকেন 59,928 34,916
আউটপুট টোকেন 3,523 2,910
রিজনিং টোকেন 249,752 197,529
প্রতিক্রিয়া সময় (গড়) 23.35s 122.48s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 165.38s 766.58s
প্রতিক্রিয়া সময় (মোট) 490.40s 2327.06s

জেনারেশন শোকেস

Hamster playing table tennis

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

#15 Muse Spark 1.1

medium
খরচ
$0.024
সময়
29.2s
টোকেন
5,774 tok

#21 MoonshotAI: Kimi K3

max
খরচ
$0.281
সময়
506.9s
টোকেন
18,863 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 15.66s 8,562 347 23,562
Kimi K3 10.0 10.0 100.0% 0 325.79s 8,061 460 84,012

দ্রুত তুলনা

তুলনার জুটি বদলান