नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Opus 4.7 vs Meta: Muse Spark 1.1

सारांश

Muse Spark 1.1 (low) average score मध्ये पुढे आहे: 8.8 vs 8.7. Muse Spark 1.1 (low) चा benchmark खर्च कमी आहे: $0.469 vs $0.679. Claude Opus 4.7 (medium) वेगवान आहे: 4.73s vs 10.11s, pass rates 82.5% vs 73.0%.

शिफारस केलेले मॉडेलClaude Opus 4.7 (medium)Its score stays close to the best score here (8.7 vs 8.8), while responding about 2.1x faster than Muse Spark 1.1 (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-16

मेट्रिक Claude Opus 4.7 Claude Opus 4.7 medium प्रकाशन: 2026-04-16 Muse Spark 1.1 Muse Spark 1.1 low प्रकाशन: 2026-07-16
स्कोअर 8.7 8.8
क्रमांक #18 #17
विश्वसनीयता 10.0 10.0
सुसंगतता 9.6 8.5
बरोबर चाचण्या
प्रति प्रयत्न पास दर 82.5% 73.0%
अस्थिर चाचण्या 1 4
एकूण रन 63 63
प्रति निकाल खर्च 3.991 3.606
एकूण खर्च $0.679 $0.469
इनपुट किंमत $5.000 / 1M $1.250 / 1M
आउटपुट किंमत $25.000 / 1M $4.250 / 1M
एकूण इनपुट टोकन्स 65,406 59,923
आउटपुट टोकन्स 11,858 3,722
रिझनिंग टोकन्स 2,198 88,947
प्रतिसाद वेळ (सरासरी) 4.73s 10.11s
प्रतिसाद वेळ (कमाल) 23.18s 54.15s
प्रतिसाद वेळ (एकूण) 94.51s 212.29s

जनरेशन शोकेस

Hamster playing table tennis

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

#18 Claude Opus 4.7

medium
खर्च
$0.059
वेळ
26.8s
टोकन्स
2,475 tok

#17 Muse Spark 1.1

low
खर्च
$0.020
वेळ
39.2s
टोकन्स
4,947 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.7 7.6 7.2 77.8% 1 12.96s 10,635 7,629 1,114
Muse Spark 1.1 10.0 10.0 100.0% 0 10.34s 8,562 394 14,503

झटपट तुलना

तुलना जोडी बदला