Muse Spark Open (xhigh) vs GPT-5.3-Codex (medium)

GPT-5.3-Codex (medium) average score मध्ये पुढे आहे: 9.1 vs 9.0. GPT-5.3-Codex (medium) चा benchmark खर्च कमी आहे: $1.318 vs $2.081. GPT-5.3-Codex (medium) वेगवान आहे: 18.87s vs 92.38s, pass rates 81.2% vs 84.1%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-16

तुलना केलेली मॉडेल्स

क्रमांक: #44
एकूण आउटपुट टोकन्स: 409,641
प्रतिसाद वेळ (सरासरी): 92.38s
एकूण खर्च: $2.081

क्रमांक: #37
एकूण आउटपुट टोकन्स: 66,287
प्रतिसाद वेळ (सरासरी): 18.87s
एकूण खर्च: $1.318

शिफारस केलेले मॉडेल GPT-5.3-Codex (medium)

It has the best score here (9.1), while costing about 1.6x less than Muse Spark Open (xhigh).

तपशीलवार तुलना

मेट्रिक	Muse Spark Open Muse Spark Open xhigh प्रकाशन: 2026-10-15	GPT-5.3-Codex GPT-5.3-Codex medium प्रकाशन: 2026-02-05

मेट्रिक	Muse Spark Open Muse Spark Open xhigh प्रकाशन: 2026-10-15	GPT-5.3-Codex GPT-5.3-Codex medium प्रकाशन: 2026-02-05
स्कोअर	9.0	9.1
क्रमांक	#44	#37
विश्वसनीयता	9.6	10.0
सुसंगतता	8.3	8.6
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	81.2%	84.1%
अस्थिर चाचण्या	5	4
एकूण रन	69	69
प्रति निकाल खर्च	13.001	7.753
एकूण खर्च	$2.081	$1.318
इनपुट किंमत	$1.250 / 1M	$1.750 / 1M
आउटपुट किंमत	$4.250 / 1M	$14.000 / 1M
कॅश वाचण्याची किंमत	$0.150 / 1M	$0.175 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	271,242	222,794
आउटपुट टोकन्स	11,803	7,357
रिझनिंग टोकन्स	397,838	58,930
प्रतिसाद वेळ (सरासरी)	92.38s	18.87s
प्रतिसाद वेळ (कमाल)	482.30s	100.93s
प्रतिसाद वेळ (एकूण)	2124.67s	433.94s
पॅरामीटर्स	816B एकूण (42B सक्रिय)	~1.2T एकूण (~80B सक्रिय)
उपलब्धता	वेट्स उपलब्ध	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.

#44 Muse Spark Open

xhigh

खर्च: $0.049
वेळ: 244.5s
टोकन्स: 11,567 tok

#37 GPT-5.3-Codex

medium

खर्च: $0.049
वेळ: 54.9s
टोकन्स: 3,580 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 Open	10.0	10.0	100.0%	0		84.28s	163,040	3,187	7,548
GPT-5.3-Codex	10.0	10.0	100.0%	0		61.91s	141,607	1,099	4,814

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark Open	8.7	7.9	91.7%	1		20.08s	2,219	575	7,718
GPT-5.3-Codex	8.7	7.9	91.7%	1		4.16s	606	240	1,722

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark Open	10.0	10.0	100.0%	0		51.43s	8,478	1,796	53,029
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.50s	7,302	535	10,890

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark Open	10.0	10.0	100.0%	0		133.96s	71,468	4,663	49,355
GPT-5.3-Codex	10.0	10.0	100.0%	0		26.04s	57,988	4,258	5,816

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 Open	10.0	10.0	100.0%	0		16.36s	7,767	229	3,876
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.07s	7,140	234	728

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark Open	2.9	4.4	22.2%	2		341.54s	1,277	58	215,539
GPT-5.3-Codex	5.9	7.2	55.6%	1		63.93s	732	71	30,150

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark Open	6.5	3.4	66.7%	1		7.26s	879	140	4,172
GPT-5.3-Codex	4.6	10.0	0.0%	0		4.87s	477	187	331

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark Open	10.0	10.0	100.0%	0		23.45s	1,467	105	5,478
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.04s	660	93	693

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark Open	8.2	7.2	88.9%	1		112.47s	1,711	386	39,934
GPT-5.3-Codex	9.0	7.9	88.9%	1		5.05s	642	356	1,593

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark Open	10.0	10.0	100.0%	0		5.06s	12,354	261	986
GPT-5.3-Codex	10.0	10.0	100.0%	0		6.37s	5,445	254	492

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Spark Open	3.0	10.0	0.0%	0		83.89s	582	403	10,203
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701

तुलना जोडी बदला

Claude Haiku 5.5xhighvsGPT-5.3-Codexmedium GPT-5.3-CodexmediumvsQwen3.8 Max (0902)high Muse Spark 1.3highvsGPT-5.3-Codexmedium Gemini 3.5 FlashlowvsMuse Spark Openxhigh Muse WonderlowvsGPT-5.3-Codexmedium GPT-5.3-CodexmediumvsParetodefault Seed 2.1 TurbohighvsGPT-5.3-Codexmedium Muse Spark OpenxhighvsQwen3.8 Max (0902)medium Muse WonderminimalvsGPT-5.3-Codexmedium Claude Sonnet 5.5maxvsGPT-5.3-Codexmedium Seed 2.1 TurbohighvsMuse Spark Openxhigh Muse Spark OpenxhighvsParetodefault