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

average score जवळपास समान आहे: 9.0 vs 9.0. Qwen3.8 Max (0902) (medium) चा benchmark खर्च कमी आहे: $1.096 vs $2.081. Qwen3.8 Max (0902) (medium) वेगवान आहे: 30.42s 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: #46
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 1.9x less than Muse Spark Open (xhigh).

तपशीलवार तुलना

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

मेट्रिक	Muse Spark Open Muse Spark Open xhigh प्रकाशन: 2026-10-15	Qwen3.8 Max (0902) Qwen3.8 Max (0902) medium प्रकाशन: 2026-09-07
स्कोअर	9.0	9.0
क्रमांक	#44	#46
विश्वसनीयता	9.6	10.0
सुसंगतता	8.3	9.3
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	81.2%	84.1%
अस्थिर चाचण्या	5	2
एकूण रन	69	69
प्रति निकाल खर्च	13.001	6.084
एकूण खर्च	$2.081	$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	271,242	268,540
आउटपुट टोकन्स	11,803	7,499
रिझनिंग टोकन्स	397,838	85,499
प्रतिसाद वेळ (सरासरी)	92.38s	30.42s
प्रतिसाद वेळ (कमाल)	482.30s	168.09s
प्रतिसाद वेळ (एकूण)	2124.67s	699.68s
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

#46 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 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		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 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		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 Open	10.0	10.0	100.0%	0		51.43s	8,478	1,796	53,029
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 Open	10.0	10.0	100.0%	0		133.96s	71,468	4,663	49,355
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 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		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 Open	2.9	4.4	22.2%	2		341.54s	1,277	58	215,539
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 Open	6.5	3.4	66.7%	1		7.26s	879	140	4,172
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 Open	10.0	10.0	100.0%	0		23.45s	1,467	105	5,478
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 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		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 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		5.93s	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 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		17.01s	204	21	2,252

तुलना जोडी बदला

Gemini 3.5 FlashlowvsQwen3.8 Max (0902)medium Gemini 3.5 FlashlowvsMuse Spark Openxhigh Gemini 3.5 Flash LitehighvsQwen3.8 Max (0902)medium Claude Opus 5lowvsQwen3.8 Max (0902)medium Seed 2.1 TurbohighvsMuse Spark Openxhigh Muse Spark OpenxhighvsParetodefault Gemini 3.6 FlashlowvsQwen3.8 Max (0902)medium Qwen3.8 Max (0902)mediumvsGLM 5.3 Flashmax Gemini 3.5 Flash LitehighvsMuse Spark Openxhigh Muse WonderminimalvsQwen3.8 Max (0902)medium Muse Spark OpenxhighvsGPT-5.3-Codexmedium Muse Spark OpenlowvsQwen3.8 Max (0902)medium