- रैंक
- #53
- कुल आउटपुट टोकन
- 59,058
- प्रतिक्रिया समय (औसत)
- 21.62s
- कुल लागत
- $0.600
Muse Spark Open (low) vs Pareto 26.9 (default)
Muse Spark Open (low) average score में आगे है: 8.9 vs 8.9. Muse Spark Open (low) की benchmark लागत कम है: $0.600 vs $1.864. Muse Spark Open (low) तेज है: 21.62s vs 28.26s, pass rates 76.8% vs 79.7%.
तुलना किए गए मॉडल
- रैंक
- #58
- कुल आउटपुट टोकन
- 175,696
- प्रतिक्रिया समय (औसत)
- 28.26s
- कुल लागत
- $1.864
अनुशंसित मॉडल
Muse Spark Open (low)
It has the best score here (8.9), while costing about 3.1x less than Pareto 26.9 (default).
विस्तृत तुलना
| मेट्रिक | Muse Spark Open Muse Spark Open low | Pareto 26.9 Pareto 26.9 default |
|---|---|---|
| स्कोर | 8.9 | 8.9 |
| रैंक | #53 | #58 |
| विश्वसनीयता | 9.9 | 10.0 |
| संगति | 9.1 | 8.1 |
| प्रयास | 69/69 | 69/69 |
| सही परीक्षण | ||
| प्रति प्रयास पास दर | 76.8% | 79.7% |
| अस्थिर टेस्ट | 3 | 6 |
| कुल रन | 69 | 69 |
| प्रति परिणाम लागत | 3.746 | 12.422 |
| कुल लागत | $0.600 | $1.864 |
| इनपुट कीमत | $1.250 / 1M | $2.500 / 1M |
| आउटपुट कीमत | $4.250 / 1M | $7.500 / 1M |
| कैश पढ़ने की कीमत | $0.150 / 1M | $0.250 / 1M |
| कैश लिखने की कीमत | लागू नहीं | लागू नहीं |
| कुल इनपुट टोकन | 278,684 | 218,199 |
| आउटपुट टोकन | 10,151 | 175,696 |
| रीजनिंग टोकन | 48,907 | 0 |
| प्रतिक्रिया समय (औसत) | 21.62s | 28.26s |
| प्रतिक्रिया समय (अधिकतम) | 119.16s | 151.76s |
| प्रतिक्रिया समय (कुल) | 497.25s | 649.90s |
| पैरामीटर | 816B कुल (42B सक्रिय) | - |
| उपलब्धता | वेट उपलब्ध | बंद स्रोत |
कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।
मॉडल जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#53 Muse Spark Open
low- लागत
- $0.014
- समय
- 38.9s
- टोकन
- 3,372 tok
#58 Pareto 26.9
default- लागत
- $0.038
- समय
- 109.6s
- टोकन
- 5,118 tok
श्रेणी विवरण
| स्वायत्त एजेंट कार्य | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 10.0 | 10.0 | 100.0% | 0 | 55.04s | 135,775 | 2,192 | 1,792 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 54.17s | 103,835 | 8,348 | 0 |
| एंटी-एआई ट्रिक्स | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 9.2 | 8.4 | 91.7% | 1 | 10.50s | 2,218 | 600 | 4,374 | |
| Pareto 26.9 | 7.5 | 8.4 | 66.7% | 1 | 6.44s | 737 | 1,595 | 0 |
| कोडिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 10.0 | 10.0 | 100.0% | 0 | 9.97s | 8,479 | 347 | 10,835 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 49.15s | 7,419 | 1,895 | 0 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 8.4 | 10.0 | 50.0% | 0 | 32.84s | 105,334 | 5,543 | 3,978 | |
| Pareto 26.9 | 8.2 | 6.9 | 66.7% | 1 | 81.38s | 88,832 | 146,339 | 0 |
| डेटा पार्सिंग और निष्कर्षण | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 10.0 | 10.0 | 100.0% | 0 | 4.53s | 7,989 | 220 | 1,070 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 2.63s | 7,728 | 1,285 | 0 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 5.3 | 10.0 | 33.3% | 0 | 75.55s | 1,759 | 75 | 16,620 | |
| Pareto 26.9 | 5.9 | 7.2 | 55.6% | 1 | 60.97s | 825 | 12,233 | 0 |
| Samanya Buddhimatta | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 6.1 | 3.1 | 66.7% | 1 | 5.85s | 877 | 137 | 1,576 | |
| Pareto 26.9 | 6.5 | 3.4 | 66.7% | 1 | 6.55s | 492 | 774 | 0 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 8.0 | 6.8 | 66.7% | 1 | 10.26s | 1,467 | 99 | 2,323 | |
| Pareto 26.9 | 9.8 | 10.0 | 100.0% | 0 | 3.82s | 696 | 393 | 0 |
| पहेली समाधान | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 10.0 | 10.0 | 100.0% | 0 | 7.99s | 1,849 | 417 | 3,579 | |
| Pareto 26.9 | 8.2 | 7.3 | 88.9% | 1 | 8.40s | 624 | 1,437 | 0 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 10.0 | 10.0 | 100.0% | 0 | 4.37s | 12,354 | 417 | 626 | |
| Pareto 26.9 | 10.0 | 10.0 | 100.0% | 0 | 3.63s | 6,762 | 892 | 0 |
| सामान्य ज्ञान | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | 3.0 | 10.0 | 0.0% | 0 | 14.23s | 583 | 104 | 2,134 | |
| Pareto 26.9 | 2.8 | 1.6 | 33.3% | 1 | 28.57s | 249 | 505 | 0 |
त्वरित तुलना
तुलना जोड़ी बदलें
Claude Fable 5mediumvsPareto 26.9defaultMuse Spark 1.1mediumvsPareto 26.9defaultMuse Spark OpenlowvsGLM 5.3 FlashmaxMuse Spark 1.2mediumvsPareto 26.9defaultGemini 4 ArgonmediumvsMuse Spark OpenlowMuse Spark 1.2highvsPareto 26.9defaultQwen3.8 MAXlowvsPareto 26.9defaultGemini 3.5 Flash LitehighvsMuse Spark OpenlowClaude Fable 5mediumvsMuse Spark OpenlowGPT-5.4mediumvsPareto 26.9defaultMuse Spark OpenlowvsQwen3.8 Max (0902)mediumPareto 26.9defaultvsGLM 5.3 Flashmax