नेविगेशन
AI BENCHY
Advertise here

तुलना किए गए मॉडल

Muse Spark 1.3 (high) vs Muse Spark 1.2 (high) vs Muse Spark 1.1 (high) benchmark तुलना: Muse Spark 1.3 (high) स्कोर में 8.9 के साथ आगे है। Muse Spark 1.3 (high) विश्वसनीयता में 10.0 के साथ आगे है। Muse Spark 1.3 (high) का कुल लागत सबसे कम है: $1.653. Muse Spark 1.2 (high) 26.59s पर सबसे तेज है।

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-09-03

रैंक
#26
कुल आउटपुट टोकन
359,608
प्रतिक्रिया समय (औसत)
52.49s
कुल लागत
$1.653
रैंक
#36
कुल आउटपुट टोकन
382,087
प्रतिक्रिया समय (औसत)
26.59s
कुल लागत
$1.771
रैंक
#60
कुल आउटपुट टोकन
491,916
प्रतिक्रिया समय (औसत)
36.85s
कुल लागत
$2.253
अनुशंसित मॉडल Muse Spark 1.2 (high)

Its score stays close to the best score here (8.7 vs 8.9), while responding about 1.7x faster than इस तुलना के बाकी मॉडल.

विस्तृत तुलना

मेट्रिक Muse Spark 1.3 Muse Spark 1.3 high रिलीज़: 2026-09-02 Muse Spark 1.2 Muse Spark 1.2 high रिलीज़: 2026-08-06 Muse Spark 1.1 Muse Spark 1.1 high रिलीज़: 2026-07-16
स्कोर 8.9 8.7 8.0
रैंक #26 #36 #60
विश्वसनीयता 10.0 9.9 10.0
संगति 9.3 8.3 7.9
प्रयास 66/66 66/66 66/66
सही परीक्षण
प्रति प्रयास पास दर 77.3% 74.2% 68.2%
अस्थिर टेस्ट 2 5 6
कुल रन 66 66 66
प्रति परिणाम लागत 10.327 12.645 18.768
कुल लागत $1.653 $1.771 $2.253
इनपुट कीमत $1.250 / 1M $1.250 / 1M $1.250 / 1M
आउटपुट कीमत $4.250 / 1M $4.250 / 1M $4.250 / 1M
कुल इनपुट टोकन 99,143 117,037 129,213
आउटपुट टोकन 12,083 6,983 8,356
रीजनिंग टोकन 347,525 375,104 483,560
प्रतिक्रिया समय (औसत) 52.49s 26.59s 36.85s
प्रतिक्रिया समय (अधिकतम) 251.53s 192.00s 196.03s
प्रतिक्रिया समय (कुल) 1154.76s 584.89s 810.72s
पैरामीटर ~1T कुल (~50B सक्रिय) ~1T कुल (~50B सक्रिय) ~1T कुल (~50B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत बंद स्रोत

मॉडल जनरेशन शोकेस

Hamster playing table tennis

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

#26 Muse Spark 1.3

high
लागत
$0.050
समय
203.3s
टोकन
11,679 tok

#36 Muse Spark 1.2

high
लागत
$0.057
समय
34.7s
टोकन
13,356 tok

#60 Muse Spark 1.1

high
लागत
$0.039
समय
50.1s
टोकन
9,423 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Muse Spark 1.3 10.0 10.0 100.0% 0 51.66s 7,275 1,228 64,287
Muse Spark 1.2 10.0 10.0 100.0% 0 22.24s 7,275 351 47,857
Muse Spark 1.1 10.0 10.0 100.0% 0 22.92s 8,562 349 36,039

त्वरित तुलना

तुलना जोड़ी बदलें