নেভিগেশন
AI BENCHY
Advertise here

Muse Spark 1.2 (low) vs Grok 4.5 (medium)

Muse Spark 1.2 (low) average score-এ এগিয়ে: 8.4 vs 8.3. Muse Spark 1.2 (low)-এর benchmark খরচ কম: $0.650 vs $1.928. Muse Spark 1.2 (low) দ্রুত: 9.67s vs 61.71s, pass rates 77.3% vs 78.8%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-08-05

র‍্যাঙ্ক
#30
মোট আউটপুট টোকেন
122,939
প্রতিক্রিয়া সময় (গড়)
9.67s
মোট খরচ
$0.650
র‍্যাঙ্ক
#35
মোট আউটপুট টোকেন
280,567
প্রতিক্রিয়া সময় (গড়)
61.71s
মোট খরচ
$1.928
প্রস্তাবিত মডেল Muse Spark 1.2 (low)

It has the best score here (8.4), while costing about 3.0x less than Grok 4.5 (medium).

বিস্তারিত তুলনা

মেট্রিক Muse Spark 1.2 Muse Spark 1.2 low প্রকাশ: 2026-08-06 Grok 4.5 Grok 4.5 medium প্রকাশ: 2026-07-08
স্কোর 8.4 8.3
র‍্যাঙ্ক #30 #35
নির্ভরযোগ্যতা 9.9 10.0
ধারাবাহিকতা 9.0 8.9
বেঞ্চমার্ক কভারেজ 22/22 টেস্ট · 66/66 প্রচেষ্টা 22/22 টেস্ট · 66/66 প্রচেষ্টা
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 77.3% 78.8%
অস্থির টেস্ট 3 3
মোট রান 66 66
প্রতি ফলাফলে খরচ 4.332 12.049
মোট খরচ $0.650 $1.928
ইনপুট মূল্য $1.250 / 1M $2.000 / 1M
আউটপুট মূল্য $4.250 / 1M $6.000 / 1M
মোট ইনপুট টোকেন 101,802 122,146
আউটপুট টোকেন 8,025 5,514
রিজনিং টোকেন 114,914 275,053
প্রতিক্রিয়া সময় (গড়) 9.67s 61.71s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 47.80s 436.38s
প্রতিক্রিয়া সময় (মোট) 212.82s 1357.56s

মডেল জেনারেশন শোকেস

Hamster playing table tennis

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

#30 Muse Spark 1.2

low
খরচ
$0.019
সময়
14.6s
টোকেন
4,384 tok

#35 xAI: Grok 4.5

medium
খরচ
$0.044
সময়
59.4s
টোকেন
7,512 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 1.2 8.4 7.4 88.9% 1 10.09s 7,275 343 19,717
Grok 4.5 7.6 7.2 77.8% 1 155.69s 9,579 390 104,634

দ্রুত তুলনা

তুলনার জুটি বদলান