AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Meta: Muse Spark 1.1

Ringkasan

Skor rata-rata hampir imbang di 8.8 vs 8.9. Claude Opus 4.8 (medium) memiliki biaya benchmark lebih rendah di $1.107 vs $1.152. Claude Opus 4.8 (medium) lebih cepat di 9.72s vs 23.35s, dengan tingkat keberhasilan 84.1% vs 76.2%.

Model yang direkomendasikanClaude Opus 4.8 (medium)It has the best score here (8.8), while responding about 2.4x faster than Muse Spark 1.1 (medium).

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

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

Metrik	Claude Opus 4.8 Claude Opus 4.8 medium Rilis: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 medium Rilis: 2026-07-16
Skor	8.8	8.9
Peringkat	#16	#15
Keandalan	10.0	10.0
Konsistensi	9.6	9.2
Tes benar
Tingkat lulus per percobaan	84.1%	76.2%
Tes tidak stabil	1	2
Total Run	63	63
Biaya per hasil	6.512	7.676
Total Biaya	$1.107	$1.152
Harga input	$5.000 / 1M	$1.250 / 1M
Harga output	$25.000 / 1M	$4.250 / 1M
Total token input	61,007	59,928
Token output	26,495	3,523
Token penalaran	5,901	249,752
Waktu respons (rata-rata)	9.72s	23.35s
Waktu respons (maks)	38.03s	165.38s
Waktu respons (total)	204.19s	490.40s

Showcase generasi

Hamster playing table tennis

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

#16 Claude Opus 4.8

medium

Biaya: $0.057
Waktu: 23.1s
Token: 2,412 tok

#15 Muse Spark 1.1

medium

Biaya: $0.024
Waktu: 29.2s
Token: 5,774 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		3.95s	834	1,179	478
Muse Spark 1.1	10.0	10.0	100.0%	0		5.72s	2,334	657	8,260

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	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
Muse Spark 1.1	10.0	10.0	100.0%	0		15.66s	8,562	347	23,562

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		38.03s	23,561	5,260	1,588
Muse Spark 1.1	9.6	10.0	100.0%	0		26.33s	21,282	838	11,595

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	7.1	5.6	83.3%	1		12.29s	10,503	481	312
Muse Spark 1.1	10.0	10.0	100.0%	0		4.96s	7,827	240	3,387

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		14.59s	975	7,477	900
Muse Spark 1.1	3.5	4.4	33.3%	2		71.45s	2,016	105	109,166

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		2.46s	708	237	0
Muse Spark 1.1	10.0	10.0	100.0%	0		4.41s	906	116	1,833

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	10.0	10.0	100.0%	0		3.32s	909	373	320
Muse Spark 1.1	6.5	10.0	50.0%	0		6.31s	1,527	233	5,186

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		3.95s	894	791	483
Muse Spark 1.1	7.9	9.9	66.7%	0		42.49s	1,938	350	76,778

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		8.96s	11,775	301	225
Muse Spark 1.1	9.8	10.0	100.0%	0		6.99s	12,924	598	1,610

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		6.14s	258	451	214
Muse Spark 1.1	3.0	10.0	0.0%	0		18.45s	612	39	8,375

Perbandingan Cepat

Ganti Pasangan Perbandingan

Claude Opus 4.8mediumvsMuse Spark 1.1low Claude Opus 4.8mediumvsKimi K3max Muse Spark 1.1mediumvsKimi K3max Claude Opus 4.8mediumvsGPT-5.2 Chatnone Muse Spark 1.1mediumvsGPT-5.2 Chatnone Gemini 3.5 FlashlowvsMuse Spark 1.1medium Claude Opus 4.8mediumvsGemini 3.5 Flashlow Muse Spark 1.1mediumvsGPT-5.5low Claude Opus 4.8mediumvsGPT-5.5low Muse Spark 1.1mediumvsGPT-5.6 Solhigh Claude Opus 4.8mediumvsGPT-5.6 Solhigh Claude Opus 4.8mediumvsDeepSeek V4 Flashhigh