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 4.8 vs Meta: Muse Spark 1.1

सारांश

Muse Spark 1.1 (high) average score मध्ये पुढे आहे: 7.8 vs 7.7. Claude Opus 4.8 (low) चा benchmark खर्च कमी आहे: $1.270 vs $1.440. Claude Opus 4.8 (low) वेगवान आहे: 10.83s vs 29.16s, pass rates 79.4% vs 69.8%.

शिफारस केलेले मॉडेलClaude 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).

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

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 low प्रकाशन: 2026-05-28 Muse Spark 1.1 Muse Spark 1.1 high प्रकाशन: 2026-07-16
स्कोअर 7.7 7.8
क्रमांक #51 #41
विश्वसनीयता 10.0 10.0
सुसंगतता 8.8 8.1
बरोबर चाचण्या
प्रति प्रयत्न पास दर 79.4% 69.8%
अस्थिर चाचण्या 3 5
एकूण रन 63 61
प्रति निकाल खर्च 8.466 11.997
एकूण खर्च $1.270 $1.440
इनपुट किंमत $5.000 / 1M $1.250 / 1M
आउटपुट किंमत $25.000 / 1M $4.250 / 1M
एकूण इनपुट टोकन्स 60,946 64,900
आउटपुट टोकन्स 31,771 3,577
रिझनिंग टोकन्स 6,831 316,055
प्रतिसाद वेळ (सरासरी) 10.83s 29.16s
प्रतिसाद वेळ (कमाल) 127.97s 196.03s
प्रतिसाद वेळ (एकूण) 227.39s 583.18s

जनरेशन शोकेस

Hamster playing table tennis

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

#51 Claude Opus 4.8

low
खर्च
$0.031
वेळ
14.1s
टोकन्स
1,345 tok

#41 Muse Spark 1.1

high
खर्च
$0.039
वेळ
50.1s
टोकन्स
9,423 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 4.8 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

झटपट तुलना

तुलना जोडी बदला