- रैंक
- #30
- कुल आउटपुट टोकन
- 121,546
- प्रतिक्रिया समय (औसत)
- 21.58s
- कुल लागत
- $3.397
Muse Wonder (medium) vs Pareto (default)
Muse Wonder (medium) average score में आगे है: 9.2 vs 9.1. Pareto (default) की benchmark लागत कम है: $1.520 vs $3.397. Muse Wonder (medium) तेज है: 21.58s vs 33.47s, pass rates 76.8% vs 87.0%.
तुलना किए गए मॉडल
- रैंक
- #39
- कुल आउटपुट टोकन
- 128,144
- प्रतिक्रिया समय (औसत)
- 33.47s
- कुल लागत
- $1.520
अनुशंसित मॉडल
Pareto (default)
Its score stays close to the best score here (9.1 vs 9.2), while costing about 2.2x less than Muse Wonder (medium).
विस्तृत तुलना
| मेट्रिक | Muse Wonder Muse Wonder medium | Pareto Pareto default |
|---|---|---|
| स्कोर | 9.2 | 9.1 |
| रैंक | #30 | #39 |
| विश्वसनीयता | 9.1 | 10.0 |
| संगति | 9.6 | 9.2 |
| प्रयास | 69/69 | 69/69 |
| सही परीक्षण | ||
| प्रति प्रयास पास दर | 76.8% | 87.0% |
| अस्थिर टेस्ट | 1 | 2 |
| कुल रन | 69 | 69 |
| प्रति परिणाम लागत | 19.982 | 8.000 |
| कुल लागत | $3.397 | $1.520 |
| इनपुट कीमत | $4.000 / 1M | $2.500 / 1M |
| आउटपुट कीमत | $20.000 / 1M | $7.500 / 1M |
| कैश पढ़ने की कीमत | $0.200 / 1M | $0.250 / 1M |
| कैश लिखने की कीमत | लागू नहीं | लागू नहीं |
| कुल इनपुट टोकन | 241,489 | 223,559 |
| आउटपुट टोकन | 11,575 | 128,144 |
| रीजनिंग टोकन | 109,971 | 0 |
| प्रतिक्रिया समय (औसत) | 21.58s | 33.47s |
| प्रतिक्रिया समय (अधिकतम) | 162.73s | 143.33s |
| प्रतिक्रिया समय (कुल) | 496.40s | 769.84s |
| पैरामीटर | ~1T कुल (~50B सक्रिय) | - |
| उपलब्धता | बंद स्रोत | 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.
#30 Muse Wonder
medium- लागत
- $0.208
- समय
- 64.8s
- टोकन
- 10,444 tok
#39 Pareto
default- लागत
- $0.034
- समय
- 170.7s
- टोकन
- 4,581 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 Wonder | 10.0 | 10.0 | 100.0% | 0 | 46.05s | 148,242 | 2,406 | 2,850 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 76.54s | 112,825 | 8,914 | 0 |
| एंटी-एआई ट्रिक्स | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 8.3 | 10.0 | 75.0% | 0 | 4.84s | 594 | 378 | 3,874 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 6.39s | 703 | 2,173 | 0 |
| कोडिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 26.87s | 7,401 | 1,181 | 26,424 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 50.12s | 7,471 | 1,949 | 0 |
| संयुक्त | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 28.23s | 66,033 | 4,934 | 17,166 | |
| Pareto | 7.2 | 9.1 | 50.0% | 0 | 53.54s | 85,180 | 98,580 | 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 Wonder | 10.0 | 10.0 | 100.0% | 0 | 6.12s | 7,053 | 433 | 3,670 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 2.57s | 7,728 | 1,371 | 0 |
| डोमेन-विशिष्ट | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 5.3 | 10.0 | 33.3% | 0 | 70.72s | 555 | 960 | 42,167 | |
| Pareto | 7.7 | 10.0 | 66.7% | 0 | 98.85s | 858 | 8,379 | 0 |
| Samanya Buddhimatta | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 7.32s | 519 | 147 | 1,123 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 8.63s | 492 | 260 | 0 |
| निर्देश पालन | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 6.6 | 10.0 | 50.0% | 0 | 3.88s | 523 | 124 | 1,783 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 4.95s | 667 | 507 | 0 |
| पहेली समाधान | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 7.7 | 10.0 | 66.7% | 0 | 9.63s | 564 | 481 | 4,834 | |
| Pareto | 8.2 | 7.2 | 88.9% | 1 | 18.24s | 624 | 4,433 | 0 |
| टूल कॉलिंग | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 9.26s | 9,780 | 369 | 2,803 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 3.29s | 6,762 | 963 | 0 |
| सामान्य ज्ञान | स्कोर | संगति | प्रति प्रयास पास दर | अस्थिर टेस्ट | सही परीक्षण | प्रतिक्रिया समय (औसत) | इनपुट टोकन | आउटपुट टोकन | रीजनिंग टोकन |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 4.7 | 1.6 | 66.7% | 1 | 16.33s | 225 | 162 | 3,277 | |
| Pareto | 2.8 | 1.6 | 33.3% | 1 | 32.07s | 249 | 615 | 0 |
त्वरित तुलना
तुलना जोड़ी बदलें
Seed 2.1 TurbohighvsParetodefaultMuse WonderlowvsParetodefaultMuse WonderminimalvsParetodefaultMuse Spark 1.3highvsParetodefaultClaude Sonnet 5.5maxvsMuse WondermediumClaude Haiku 5.5xhighvsParetodefaultGPT-5.3-CodexmediumvsParetodefaultQwen3.8 Max (0902)highvsParetodefaultSeed 2.1 TurbolowvsMuse WondermediumMuse WondermediumvsQwen3.8 Max (0902)highGemini 3.5 FlashlowvsParetodefaultClaude Haiku 5.5xhighvsMuse Wondermedium