Muse Spark 1.2 (high) vs Qwen3.8 Max (0902) (medium)

Qwen3.8 Max (0902) (medium) average score मध्ये पुढे आहे: 9.0 vs 8.9. Qwen3.8 Max (0902) (medium) चा benchmark खर्च कमी आहे: $1.096 vs $2.018. Muse Spark 1.2 (high) वेगवान आहे: 28.15s vs 30.42s, pass rates 75.4% vs 84.1%.

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

तुलना केलेली मॉडेल्स

क्रमांक: #55
एकूण आउटपुट टोकन्स: 392,846
प्रतिसाद वेळ (सरासरी): 28.15s
एकूण खर्च: $2.018

क्रमांक: #47
एकूण आउटपुट टोकन्स: 92,998
प्रतिसाद वेळ (सरासरी): 30.42s
एकूण खर्च: $1.096

शिफारस केलेले मॉडेल Qwen3.8 Max (0902) (medium)

It has the best score here (9.0), while costing about 1.8x less than Muse Spark 1.2 (high).

तपशीलवार तुलना

मेट्रिक	Muse Spark 1.2 Muse Spark 1.2 high प्रकाशन: 2026-08-06	Qwen3.8 Max (0902) Qwen3.8 Max (0902) medium प्रकाशन: 2026-09-07

मेट्रिक	Muse Spark 1.2 Muse Spark 1.2 high प्रकाशन: 2026-08-06	Qwen3.8 Max (0902) Qwen3.8 Max (0902) medium प्रकाशन: 2026-09-07
स्कोअर	8.9	9.0
क्रमांक	#55	#47
विश्वसनीयता	9.9	10.0
सुसंगतता	8.4	9.3
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	75.4%	84.1%
अस्थिर चाचण्या	5	2
एकूण रन	69	69
प्रति निकाल खर्च	13.448	6.084
एकूण खर्च	$2.018	$1.096
इनपुट किंमत	$1.250 / 1M	$2.000 / 1M
आउटपुट किंमत	$4.250 / 1M	$6.000 / 1M
कॅश वाचण्याची किंमत	$0.150 / 1M	$0.250 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	$2.500 / 1M
एकूण इनपुट टोकन्स	277,967	268,540
आउटपुट टोकन्स	9,240	7,499
रिझनिंग टोकन्स	383,606	85,499
प्रतिसाद वेळ (सरासरी)	28.15s	30.42s
प्रतिसाद वेळ (कमाल)	192.00s	168.09s
प्रतिसाद वेळ (एकूण)	647.40s	699.68s
पॅरामीटर्स	~1T एकूण (~50B सक्रिय)	2.4T 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.

#55 Muse Spark 1.2

high

खर्च: $0.057
वेळ: 34.7s
टोकन्स: 13,356 tok

#47 Qwen3.8 Max (0902)

medium

खर्च: $0.036
वेळ: 108.3s
टोकन्स: 5,980 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
Muse Spark 1.2	10.0	10.0	100.0%	0		62.51s	160,930	2,257	8,502
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		127.50s	172,217	1,538	10,782

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark 1.2	7.1	8.4	58.3%	1		6.00s	618	544	11,656
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		5.03s	672	295	2,003

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark 1.2	10.0	10.0	100.0%	0		22.24s	7,275	351	47,857
Qwen3.8 Max (0902)	8.4	7.4	88.9%	1		45.74s	7,893	551	20,628

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark 1.2	8.0	6.9	66.7%	1		39.89s	89,299	4,673	47,491
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		94.38s	68,852	3,895	24,303

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark 1.2	10.0	10.0	100.0%	0		6.93s	6,969	240	6,258
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		10.54s	7,782	261	2,591

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark 1.2	4.1	4.4	44.5%	2		108.85s	738	94	228,558
Qwen3.8 Max (0902)	3.6	7.2	22.2%	1		49.45s	780	44	19,572

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark 1.2	10.0	10.0	100.0%	0		13.93s	477	120	4,203
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		7.56s	516	202	689

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark 1.2	9.8	10.0	100.0%	0		5.43s	669	117	6,124
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		4.24s	699	90	886

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark 1.2	8.2	7.7	77.8%	1		10.07s	651	343	15,171
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		5.89s	696	353	1,599

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark 1.2	10.0	10.0	100.0%	0		4.00s	10,158	459	1,316
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		5.93s	8,229	249	194

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark 1.2	3.0	10.0	0.0%	0		14.99s	183	42	6,470
Qwen3.8 Max (0902)	3.0	10.0	0.0%	0		17.01s	204	21	2,252

तुलना जोडी बदला

Gemini 3.5 FlashlowvsQwen3.8 Max (0902)medium Claude Fable 5mediumvsMuse Spark 1.2high Gemini 3.5 Flash LitehighvsQwen3.8 Max (0902)medium Muse Spark OpenxhighvsQwen3.8 Max (0902)medium Muse Spark 1.2highvsPareto 26.9default Muse Spark 1.2highvsGLM 5.3 Flashmax Gemini 3.6 FlashlowvsMuse Spark 1.2high Claude Opus 5lowvsQwen3.8 Max (0902)medium Claude Opus 5lowvsMuse Spark 1.2high Gemini 4 ArgonmediumvsMuse Spark 1.2high Gemini 3.6 FlashlowvsQwen3.8 Max (0902)medium Qwen3.8 Max (0902)mediumvsGLM 5.3 Flashmax