नेव्हिगेशन
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.7 vs Meta: Muse Spark 1.1

सारांश

Muse Spark 1.1 (medium) average score मध्ये पुढे आहे: 8.9 vs 8.7. Claude Opus 4.7 (medium) चा benchmark खर्च कमी आहे: $0.679 vs $1.152. Claude Opus 4.7 (medium) वेगवान आहे: 4.73s vs 23.35s, pass rates 82.5% vs 76.2%.

शिफारस केलेले मॉडेलClaude Opus 4.7 (medium)Its score stays close to the best score here (8.7 vs 8.9), while costing about 1.7x less than Muse Spark 1.1 (medium).

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 medium प्रकाशन: 2026-07-16
स्कोअर 8.7 8.9
क्रमांक #18 #15
विश्वसनीयता 10.0 10.0
सुसंगतता 9.6 9.2
बरोबर चाचण्या
प्रति प्रयत्न पास दर 82.5% 76.2%
अस्थिर चाचण्या 1 2
एकूण रन 63 63
प्रति निकाल खर्च 3.991 7.676
एकूण खर्च $0.679 $1.152
इनपुट किंमत $5.000 / 1M $1.250 / 1M
आउटपुट किंमत $25.000 / 1M $4.250 / 1M
एकूण इनपुट टोकन्स 65,406 59,928
आउटपुट टोकन्स 11,858 3,523
रिझनिंग टोकन्स 2,198 249,752
प्रतिसाद वेळ (सरासरी) 4.73s 23.35s
प्रतिसाद वेळ (कमाल) 23.18s 165.38s
प्रतिसाद वेळ (एकूण) 94.51s 490.40s

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

#15 Muse Spark 1.1

medium
खर्च
$0.024
वेळ
29.2s
टोकन्स
5,774 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 15.66s 8,562 347 23,562

झटपट तुलना

तुलना जोडी बदला