AI BENCHY
Advertise here
#26

Muse Spark 1.1

Meta रिलीज़: 2026-07-16 परीक्षण किया गया: 2026-07-16 23:39 meta/muse-spark-1.1::high
~1T कुल (~50B सक्रिय)MoEबंद स्रोतअनुमानित
(high) (medium) (low)

सारांश

Muse Spark 1.1 AI BENCHY पर 8.1 स्कोर करता है और #26 पर है। इसकी reliability 10.0, pass rate 69.7%, कुल लागत $1.694, और औसत response time 31.49s है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित
पैरामीटर
~1T कुल (~50B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
लाइसेंस
-

सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

8.1

संगति

7.9

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$1.694

कुल आउटपुट टोकन

360,498

कुल इनपुट टोकन

129,423

इनपुट कीमत

$1.250 / 1M

आउटपुट कीमत

$4.250 / 1M

सही परीक्षण

गलत टेस्ट: 10

प्रति प्रयास पास दर: 69.7%

बेंचमार्क कवरेज: 64/66 प्रयास

अस्थिर टेस्ट

6

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

31.49s

प्रतिक्रिया समय (अधिकतम): 196.03s

प्रतिक्रिया समय (कुल): 661.28s

गलत उत्तर: 4 निर्देशों का पालन नहीं किया: 2 अमान्य टूल कॉल: 2 API त्रुटि: 1 कोई उत्तर नहीं: 1

Hamster playing table tennis

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

#26 Muse Spark 1.1

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

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-14 03:29 दोबारा परीक्षण 8.0 10.0 $1.709 तुलना करें
2026-07-16 23:39 नया टेस्ट जोड़ा गया 8.1 10.0 $1.694 वर्तमान रन
2026-07-16 19:02 पहला रन 7.8 10.0 $1.440 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख इनपुट कीमत आउटपुट कीमत
2026-07-16 19:03 $1.250 / 1M $4.250 / 1M

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Muse Spark 1.1highvsInklinghighMuse Spark 1.1highvsDeepSeek V4 Flash 0731lowMuse Spark 1.1highvsMuse Glimmer 30BxhighMuse Spark 1.1highvsDeepSeek V4 Flash 0731highMuse Spark 1.1highvsGPT-5 MinimediumMuse Spark 1.1highvsGLM 5.2highMuse Spark 1.1highvsQwen3.8 2.4T A95BlowMuse Spark 1.1highvsInklingmediumMuse Spark 1.1highvsClaude Sonnet 5mediumMuse Spark 1.1highvsGPT-5.6 Terrahigh

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 7.5 8.4
कोडिंग 10.0 10.0
संयुक्त 5.9 2.9
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.5 4.4
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 6.4 6.0
पहेली समाधान 7.8 9.9
टूल कॉलिंग 9.6 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल