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

Anthropic: Claude Sonnet 5 vs Meta: Muse Spark 1.1

Claude Sonnet 5 (medium) average score मध्ये पुढे आहे: 8.3 vs 8.3. Muse Spark 1.1 (low) चा benchmark खर्च कमी आहे: $0.647 vs $0.922. Muse Spark 1.1 (low) वेगवान आहे: 11.45s vs 12.52s, pass rates 80.3% vs 69.7%.

शिफारस केलेले मॉडेलMuse Spark 1.1 (low)It offers the best overall trade-off: a competitive score (8.3), lower cost than Claude Sonnet 5 (medium), and balanced response time.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक Claude Sonnet 5 Claude Sonnet 5 medium प्रकाशन: 2026-06-30 Muse Spark 1.1 Muse Spark 1.1 low प्रकाशन: 2026-07-16
स्कोअर 8.3 8.3
क्रमांक #23 #24
विश्वसनीयता 10.0 10.0
सुसंगतता 9.0 8.5
बरोबर चाचण्या
प्रति प्रयत्न पास दर 80.3% 69.7%
अस्थिर चाचण्या 3 4
एकूण रन 66 66
प्रति निकाल खर्च 5.760 4.975
एकूण खर्च $0.922 $0.647
इनपुट किंमत $2.000 / 1M $1.250 / 1M
आउटपुट किंमत $10.000 / 1M $4.250 / 1M
एकूण इनपुट टोकन्स 145,956 142,298
आउटपुट टोकन्स 52,333 10,847
रिझनिंग टोकन्स 10,874 99,467
प्रतिसाद वेळ (सरासरी) 12.52s 11.45s
प्रतिसाद वेळ (कमाल) 66.71s 54.15s
प्रतिसाद वेळ (एकूण) 275.42s 251.92s

Hamster playing table tennis

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

#23 Claude Sonnet 5

medium
खर्च
$0.007
वेळ
6.4s
टोकन्स
832 tok

#24 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 Sonnet 5 9.0 7.9 88.9% 1 17.28s 10,590 13,153 2,379
Muse Spark 1.1 10.0 10.0 100.0% 0 10.34s 8,562 394 14,503

झटपट तुलना

तुलना जोडी बदला