Muse Spark Open (xhigh) vs Qwen3.8 Max (0902) (high)

Qwen3.8 Max (0902) (high) average score मध्ये पुढे आहे: 9.1 vs 9.0. Muse Spark Open (xhigh) चा benchmark खर्च कमी आहे: $2.081 vs $3.306. Muse Spark Open (xhigh) वेगवान आहे: 92.38s vs 186.06s, pass rates 81.2% vs 87.0%.

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: #36
एकूण आउटपुट टोकन्स: 441,352
प्रतिसाद वेळ (सरासरी): 186.06s
एकूण खर्च: $3.306

शिफारस केलेले मॉडेल Muse Spark Open (xhigh)

Its score stays close to the best score here (9.0 vs 9.1), while costing about 1.6x less than Qwen3.8 Max (0902) (high).

तपशीलवार तुलना

मेट्रिक	Muse Spark Open Muse Spark Open xhigh प्रकाशन: 2026-10-15	Qwen3.8 Max (0902) Qwen3.8 Max (0902) high प्रकाशन: 2026-09-07

मेट्रिक	Muse Spark Open Muse Spark Open xhigh प्रकाशन: 2026-10-15	Qwen3.8 Max (0902) Qwen3.8 Max (0902) high प्रकाशन: 2026-09-07
स्कोअर	9.0	9.1
क्रमांक	#44	#36
विश्वसनीयता	9.6	9.8
सुसंगतता	8.3	9.1
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	81.2%	87.0%
अस्थिर चाचण्या	5	3
एकूण रन	69	69
प्रति निकाल खर्च	13.001	18.364
एकूण खर्च	$2.081	$3.306
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	271,242	328,637
आउटपुट टोकन्स	11,803	8,619
रिझनिंग टोकन्स	397,838	432,733
प्रतिसाद वेळ (सरासरी)	92.38s	186.06s
प्रतिसाद वेळ (कमाल)	482.30s	912.78s
प्रतिसाद वेळ (एकूण)	2124.67s	4279.49s
पॅरामीटर्स	816B एकूण (42B सक्रिय)	2.4T एकूण (~100B 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

#36 Qwen3.8 Max (0902)

high

Reached the allocated time limit (600 seconds) without receiving showcase output.

खर्च: $0.000
वेळ: 600.0s
टोकन्स: 0 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
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		197.08s	219,411	1,729	20,180

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
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		15.86s	1,128	263	6,631

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
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		253.22s	8,235	418	91,734

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
Qwen3.8 Max (0902)	8.7	6.9	83.3%	1		110.39s	79,527	5,215	28,102

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
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		16.37s	8,010	261	3,598

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
Qwen3.8 Max (0902)	5.9	7.2	55.6%	1		658.46s	842	31	154,450

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
Qwen3.8 Max (0902)	6.5	3.4	66.7%	1		75.11s	630	80	8,110

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
Qwen3.8 Max (0902)	9.8	10.0	100.0%	0		7.55s	927	86	1,823

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
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		134.14s	1,038	268	47,351

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
Qwen3.8 Max (0902)	10.0	10.0	100.0%	0		5.21s	8,571	249	243

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
Qwen3.8 Max (0902)	3.0	10.0	0.0%	0		532.59s	318	19	70,511

तुलना जोडी बदला