Claude Opus 5.5 (medium) vs Muse Wonder (minimal)

Claude Opus 5.5 (medium) average score मध्ये पुढे आहे: 9.2 vs 9.1. Muse Wonder (minimal) चा benchmark खर्च कमी आहे: $1.639 vs $1.804. Muse Wonder (minimal) वेगवान आहे: 7.72s vs 25.85s, pass rates 89.9% vs 76.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-19

तुलना केलेली मॉडेल्स

क्रमांक: #31
एकूण आउटपुट टोकन्स: 32,127
प्रतिसाद वेळ (सरासरी): 25.85s
एकूण खर्च: $1.804

क्रमांक: #44
एकूण आउटपुट टोकन्स: 34,224
प्रतिसाद वेळ (सरासरी): 7.72s
एकूण खर्च: $1.639

शिफारस केलेले मॉडेल Muse Wonder (minimal)

Its score stays close to the best score here (9.1 vs 9.2), while responding about 3.3x faster than Claude Opus 5.5 (medium).

तपशीलवार तुलना

मेट्रिक	Claude Opus 5.5 Claude Opus 5.5 medium प्रकाशन: 2026-09-23	Muse Wonder Muse Wonder minimal प्रकाशन: 2026-10-13

मेट्रिक	Claude Opus 5.5 Claude Opus 5.5 medium प्रकाशन: 2026-09-23	Muse Wonder Muse Wonder minimal प्रकाशन: 2026-10-13
स्कोअर	9.2	9.1
क्रमांक	#31	#44
विश्वसनीयता	10.0	9.7
सुसंगतता	9.7	9.3
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	89.9%	76.8%
अस्थिर चाचण्या	1	2
एकूण रन	69	69
प्रति निकाल खर्च	9.016	9.639
एकूण खर्च	$1.804	$1.639
इनपुट किंमत	$4.000 / 1M	$4.000 / 1M
आउटपुट किंमत	$20.000 / 1M	$20.000 / 1M
कॅश वाचण्याची किंमत	$0.200 / 1M	$0.200 / 1M
कॅश लिहिण्याची किंमत	$5.000 / 1M	लागू नाही
एकूण इनपुट टोकन्स	290,117	238,532
आउटपुट टोकन्स	9,805	9,812
रिझनिंग टोकन्स	22,322	24,412
प्रतिसाद वेळ (सरासरी)	25.85s	7.72s
प्रतिसाद वेळ (कमाल)	90.20s	42.89s
प्रतिसाद वेळ (एकूण)	594.63s	177.57s
पॅरामीटर्स	~5T एकूण (~500B सक्रिय)	~1T एकूण (~50B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#31 Claude Opus 5.5

medium

खर्च: $0.053
वेळ: 25.6s
टोकन्स: 2,781 tok

#44 Muse Wonder

minimal

खर्च: $0.048
वेळ: 15.1s
टोकन्स: 2,488 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

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		62.59s	156,163	2,513	2,420
Muse Wonder	10.0	10.0	100.0%	0		42.89s	136,213	2,145	1,352

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		12.42s	858	321	657
Muse Wonder	10.0	10.0	100.0%	0		2.94s	786	230	1,575

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	8.4	7.4	88.9%	1		13.50s	10,608	636	4,341
Muse Wonder	10.0	10.0	100.0%	0		6.86s	7,401	809	7,336

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		55.69s	96,679	4,639	4,527
Muse Wonder	10.0	10.0	100.0%	0		16.14s	74,966	4,993	4,072

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		12.65s	10,515	312	277
Muse Wonder	10.0	10.0	100.0%	0		3.31s	7,053	240	1,074

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	7.7	10.0	66.7%	0		21.35s	990	61	8,360
Muse Wonder	5.3	7.2	44.4%	1		15.00s	864	476	6,965

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		6.17s	714	273	326
Muse Wonder	10.0	10.0	100.0%	0		2.57s	519	96	390

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		21.33s	921	96	336
Muse Wonder	6.5	10.0	50.0%	0		1.39s	408	36	333

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		30.12s	912	513	491
Muse Wonder	5.3	7.2	44.4%	1		1.36s	317	92	530

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	10.0	10.0	100.0%	0		74.20s	11,757	441	587
Muse Wonder	10.0	10.0	100.0%	0		4.86s	9,780	653	156

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Claude Opus 5.5	3.0	10.0	0.0%	0		27.75s	0	0	0
Muse Wonder	3.0	10.0	0.0%	0		4.17s	225	42	629

तुलना जोडी बदला

Claude Opus 5.5mediumvsMuse Spark Openhigh Seed 2.1 TurbohighvsMuse Wonderminimal Muse WonderminimalvsParetodefault Claude Opus 5.5mediumvsDeepSeek V4.1 Flash 1017low Claude Haiku 5.5xhighvsMuse Wonderminimal Muse WonderminimalvsGPT-5.3-Codexmedium Muse WonderminimalvsQwen3.8 Max (0902)high Gemini 3.5 FlashlowvsMuse Wonderminimal Claude Opus 5.5mediumvsSeed 2.1 Turbolow Claude Opus 5.5mediumvsQwen3.8 Max (0902)high Muse WonderminimalvsQwen3.8 Max (0902)medium DeepSeek V4.1 Flash 1017lowvsMuse Wonderminimal