AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Meta: Muse Spark 1.1

Ringkasan

Muse Spark 1.1 (high) unggul dalam skor rata-rata dengan 7.8 vs 7.7. Claude Opus 4.8 (low) memiliki biaya benchmark lebih rendah di $1.270 vs $1.440. Claude Opus 4.8 (low) lebih cepat di 10.83s vs 29.16s, dengan tingkat keberhasilan 79.4% vs 69.8%.

Model yang direkomendasikanClaude Opus 4.8 (low)Its score stays close to the best score here (7.7 vs 7.8), while responding about 2.7x faster than Muse Spark 1.1 (high).

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-07-16

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 high Rilis: 2026-07-16

Metrik	Claude Opus 4.8 Claude Opus 4.8 low Rilis: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 high Rilis: 2026-07-16
Skor	7.7	7.8
Peringkat	#51	#41
Keandalan	10.0	10.0
Konsistensi	8.8	8.1
Tes benar
Tingkat lulus per percobaan	79.4%	69.8%
Tes tidak stabil	3	5
Total Run	63	61
Biaya per hasil	8.466	11.997
Total Biaya	$1.270	$1.440
Harga input	$5.000 / 1M	$1.250 / 1M
Harga output	$25.000 / 1M	$4.250 / 1M
Total token input	60,946	64,900
Token output	31,771	3,577
Token penalaran	6,831	316,055
Waktu respons (rata-rata)	10.83s	29.16s
Waktu respons (maks)	127.97s	196.03s
Waktu respons (total)	227.39s	583.18s

Showcase generasi

Hamster playing table tennis

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

#51 Claude Opus 4.8

low

Biaya: $0.031
Waktu: 14.1s
Token: 1,345 tok

#41 Muse Spark 1.1

high

Biaya: $0.039
Waktu: 50.1s
Token: 9,423 tok

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor vs Waktu respons (rata-rata)

Total token output

Skor vs Total token output

Rincian Kategori

Kategori:

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Muse Spark 1.1	7.5	8.4	66.7%	1		8.60s	2,334	516	13,023

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Muse Spark 1.1	10.0	10.0	100.0%	0		22.92s	8,562	349	36,039

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Muse Spark 1.1	4.5	2.1	66.7%	1		62.41s	25,559	1,035	32,073

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Muse Spark 1.1	10.0	10.0	100.0%	0		8.40s	7,827	240	5,907

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Muse Spark 1.1	3.5	4.4	33.3%	2		67.39s	1,272	66	64,456

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Muse Spark 1.1	10.0	10.0	100.0%	0		7.73s	906	116	3,390

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Muse Spark 1.1	6.4	6.0	66.7%	1		7.81s	1,527	193	7,158

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Muse Spark 1.1	7.8	9.9	66.7%	0		69.96s	1,938	225	140,780

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Muse Spark 1.1	9.6	10.0	100.0%	0		9.88s	14,363	795	2,938

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Claude Opus 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Muse Spark 1.1	3.0	10.0	0.0%	0		22.93s	612	42	10,291

Perbandingan Cepat

Ganti Pasangan Perbandingan

Muse Spark 1.1highvsQwen3.6 Plusmedium Claude Opus 4.8lowvsQwen3.5-122B-A10Bmedium Muse Spark 1.1highvsGPT-5.6 Terramedium Claude Sonnet 5mediumvsMuse Spark 1.1high Claude Opus 4.8lowvsKimi K2.6mediumTersedia gratis Claude Sonnet 4.6mediumvsMuse Spark 1.1high Claude Opus 4.8lowvsGrok 4.3medium Claude Opus 4.8lowvsGemini 3.1 Flash Litemedium Muse Spark 1.1highvsGrok 4.5low Claude Opus 4.8lowvsQwen3.5 Plus 2026-04-20medium Claude Opus 4.8lowvsGemini 3.1 Flash Lite Previewmedium Claude Opus 4.8lowvsGPT-5.6 Lunahigh