नेव्हिगेशन
Advertise here

Muse Ember (max) vs GPT-5.2 (medium)

average score जवळपास समान आहे: 8.6 vs 8.7. Muse Ember (max) चा benchmark खर्च कमी आहे: $0.346 vs $1.558. Muse Ember (max) वेगवान आहे: 19.05s vs 31.29s, pass rates 72.5% vs 73.9%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-10

तुलना केलेली मॉडेल्स

क्रमांक
#87
एकूण आउटपुट टोकन्स
637,819
प्रतिसाद वेळ (सरासरी)
19.05s
एकूण खर्च
$0.346
क्रमांक
#80
एकूण आउटपुट टोकन्स
80,538
प्रतिसाद वेळ (सरासरी)
31.29s
एकूण खर्च
$1.558
शिफारस केलेले मॉडेल Muse Ember (max)

It has the best score here (8.6), while costing about 4.5x less than GPT-5.2 (medium).

तपशीलवार तुलना

मेट्रिक Muse Ember Muse Ember max प्रकाशन: 2026-11-09 GPT-5.2 GPT-5.2 medium प्रकाशन: 2025-12-11
स्कोअर 8.6 8.7
क्रमांक #87 #80
विश्वसनीयता 10.0 10.0
सुसंगतता 8.9 8.5
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 72.5% 73.9%
अस्थिर चाचण्या 3 4
एकूण रन 69 69
प्रति निकाल खर्च 2.304 10.261
एकूण खर्च $0.346 $1.558
इनपुट किंमत $0.100 / 1M $1.750 / 1M
आउटपुट किंमत $0.500 / 1M $14.000 / 1M
कॅश वाचण्याची किंमत $0.004 / 1M $0.175 / 1M
कॅश लिहिण्याची किंमत $0.125 / 1M लागू नाही
एकूण इनपुट टोकन्स 265,489 235,207
आउटपुट टोकन्स 12,179 11,065
रिझनिंग टोकन्स 625,640 69,473
प्रतिसाद वेळ (सरासरी) 19.05s 31.29s
प्रतिसाद वेळ (कमाल) 79.28s 116.86s
प्रतिसाद वेळ (एकूण) 438.15s 531.98s
पॅरामीटर्स ~150B एकूण (~10B सक्रिय) ~1.2T एकूण (~80B 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.

#87 Muse Ember

max
खर्च
$0.008
वेळ
23.3s
टोकन्स
14,138 tok

#80 GPT-5.2

medium
खर्च
$0.047
वेळ
49.2s
टोकन्स
3,396 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
Muse Ember 10.0 10.0 100.0% 0 12.46s 7,410 1,595 49,511
GPT-5.2 10.0 10.0 100.0% 0 22.73s 7,302 511 11,912

तुलना जोडी बदला