AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Meta: Muse Spark 1.1

Resumen

Claude Opus 4.8 (medium) lidera en puntuación media con 8.8 vs 8.8. Muse Spark 1.1 (low) tiene menor coste de benchmark con $0.469 vs $1.107. Claude Opus 4.8 (medium) es más rápido con 9.72s vs 10.11s, con tasas de acierto de 84.1% vs 73.0%.

Modelo recomendadoMuse Spark 1.1 (low)Su puntuación se mantiene cerca de la mejor aquí (8.8 vs 8.8) y cuesta aproximadamente 2.4x menos que Claude Opus 4.8 (medium).

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-16

Métrica	Claude Opus 4.8 Claude Opus 4.8 medium Lanzamiento: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 low Lanzamiento: 2026-07-16

Métrica	Claude Opus 4.8 Claude Opus 4.8 medium Lanzamiento: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 low Lanzamiento: 2026-07-16
Puntuación	8.8	8.8
Rango	#16	#17
Fiabilidad	10.0	10.0
Consistencia	9.6	8.5
Pruebas correctas
Tasa de aciertos por intento	84.1%	73.0%
Pruebas inestables	1	4
Ejecuciones totales	63	63
Costo por resultado	6.512	3.606
Costo total	$1.107	$0.469
Precio de entrada	$5.000 / 1M	$1.250 / 1M
Precio de salida	$25.000 / 1M	$4.250 / 1M
Total de tokens de entrada	61,007	59,923
Tokens de salida	26,495	3,722
Tokens de razonamiento	5,901	88,947
Tiempo de respuesta (promedio)	9.72s	10.11s
Tiempo de respuesta (máximo)	38.03s	54.15s
Tiempo de respuesta (total)	204.19s	212.29s

Generación showcase

Hamster playing table tennis

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

#16 Claude Opus 4.8

medium

Coste: $0.057
Tiempo: 23.1s
Tokens: 2,412 tok

#17 Muse Spark 1.1

low

Coste: $0.020
Tiempo: 39.2s
Tokens: 4,947 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Categoría:

Trucos anti-IA	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
Muse Spark 1.1	7.9	6.3	83.3%	2		4.36s	2,334	621	6,040

Programación	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
Muse Spark 1.1	10.0	10.0	100.0%	0		10.34s	8,562	394	14,503

Combinado	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	9.8	10.0	100.0%	0		38.03s	23,561	5,260	1,588
Muse Spark 1.1	9.6	10.0	100.0%	0		19.26s	21,277	885	6,849

Análisis y extracción de datos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
Muse Spark 1.1	10.0	10.0	100.0%	0		3.22s	7,827	240	2,074

Específico del dominio	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	5.3	10.0	33.3%	0		14.59s	975	7,477	900
Muse Spark 1.1	2.9	7.2	11.1%	1		29.73s	2,016	235	42,049

Inteligencia general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		2.46s	708	237	0
Muse Spark 1.1	10.0	10.0	100.0%	0		4.12s	906	131	1,125

Seguimiento de instrucciones	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
Muse Spark 1.1	7.3	6.0	83.3%	1		5.42s	1,527	252	4,246

Resolución de acertijos	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
Muse Spark 1.1	8.3	10.0	66.7%	0		6.60s	1,938	391	7,503

Llamada de herramientas	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	10.0	10.0	100.0%	0		8.96s	11,775	301	225
Muse Spark 1.1	9.8	10.0	100.0%	0		5.98s	12,924	533	1,012

Cultura general	Puntuación	Consistencia	Tasa de aciertos por intento	Pruebas inestables	Pruebas correctas	Tiempo de respuesta (promedio)	Tokens de entrada	Tokens de salida	Tokens de razonamiento
Claude Opus 4.8	3.0	10.0	0.0%	0		6.14s	258	451	214
Muse Spark 1.1	3.0	10.0	0.0%	0		8.17s	612	40	3,546

Comparación rápida

Cambiar par de comparación

Claude Opus 4.7mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGLM 5.2medium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Muse Spark 1.1lowvsGPT-5.3-Codexmedium Muse Spark 1.1lowvsGLM 5medium Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5 Minimedium Muse Spark 1.1lowvsGPT-5.5medium Muse Spark 1.1lowvsGPT-5.4medium Seed-2.0-LitemediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGPT-5.2 Chatnone Muse Spark 1.1lowvsStep 3.7 Flashmedium