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

Muse Ember (xhigh) vs GPT-5.4 (medium)

average score जवळपास समान आहे: 8.8 vs 8.8. Muse Ember (xhigh) चा benchmark खर्च कमी आहे: $0.232 vs $2.213. Muse Ember (xhigh) वेगवान आहे: 13.90s vs 24.81s, pass rates 76.8% vs 78.3%.

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

तुलना केलेली मॉडेल्स

क्रमांक
#73
एकूण आउटपुट टोकन्स
409,112
प्रतिसाद वेळ (सरासरी)
13.90s
एकूण खर्च
$0.232
क्रमांक
#72
एकूण आउटपुट टोकन्स
96,502
प्रतिसाद वेळ (सरासरी)
24.81s
एकूण खर्च
$2.213
शिफारस केलेले मॉडेल Muse Ember (xhigh)

It has the best score here (8.8), while costing about 9.5x less than GPT-5.4 (medium).

तपशीलवार तुलना

मेट्रिक Muse Ember Muse Ember xhigh प्रकाशन: 2026-11-09 GPT-5.4 GPT-5.4 medium प्रकाशन: 2026-03-05
स्कोअर 8.8 8.8
क्रमांक #73 #72
विश्वसनीयता 10.0 10.0
सुसंगतता 8.9 8.7
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 76.8% 78.3%
अस्थिर चाचण्या 3 4
एकूण रन 69 69
प्रति निकाल खर्च 1.450 12.535
एकूण खर्च $0.232 $2.213
इनपुट किंमत $0.100 / 1M $2.500 / 1M
आउटपुट किंमत $0.500 / 1M $15.000 / 1M
कॅश वाचण्याची किंमत $0.004 / 1M $0.250 / 1M
कॅश लिहिण्याची किंमत $0.125 / 1M लागू नाही
एकूण इनपुट टोकन्स 274,208 223,210
आउटपुट टोकन्स 11,740 7,312
रिझनिंग टोकन्स 397,372 89,190
प्रतिसाद वेळ (सरासरी) 13.90s 24.81s
प्रतिसाद वेळ (कमाल) 79.38s 100.41s
प्रतिसाद वेळ (एकूण) 319.61s 570.60s
पॅरामीटर्स ~150B एकूण (~10B सक्रिय) ~1.5T एकूण (~100B 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.

#73 Muse Ember

xhigh
खर्च
$0.008
वेळ
24.3s
टोकन्स
14,705 tok

#72 GPT-5.4

medium
खर्च
$0.214
वेळ
199.6s
टोकन्स
14,349 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 10.41s 7,410 1,225 40,702
GPT-5.4 8.8 7.8 88.9% 1 44.36s 7,305 433 24,216

तुलना जोडी बदला