Muse Wonder (medium) vs GPT-5.3-Codex (medium)

Muse Wonder (medium) average score मध्ये पुढे आहे: 9.2 vs 9.1. GPT-5.3-Codex (medium) चा benchmark खर्च कमी आहे: $1.318 vs $3.397. GPT-5.3-Codex (medium) वेगवान आहे: 18.87s vs 21.58s, pass rates 76.8% vs 84.1%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-13

तुलना केलेली मॉडेल्स

क्रमांक: #30
एकूण आउटपुट टोकन्स: 121,546
प्रतिसाद वेळ (सरासरी): 21.58s
एकूण खर्च: $3.397

क्रमांक: #35
एकूण आउटपुट टोकन्स: 66,287
प्रतिसाद वेळ (सरासरी): 18.87s
एकूण खर्च: $1.318

शिफारस केलेले मॉडेल GPT-5.3-Codex (medium)

Its score stays close to the best score here (9.1 vs 9.2), while costing about 2.6x less than Muse Wonder (medium).

तपशीलवार तुलना

मेट्रिक	Muse Wonder Muse Wonder medium प्रकाशन: 2026-10-13	GPT-5.3-Codex GPT-5.3-Codex medium प्रकाशन: 2026-02-05

मेट्रिक	Muse Wonder Muse Wonder medium प्रकाशन: 2026-10-13	GPT-5.3-Codex GPT-5.3-Codex medium प्रकाशन: 2026-02-05
स्कोअर	9.2	9.1
क्रमांक	#30	#35
विश्वसनीयता	9.1	10.0
सुसंगतता	9.6	8.6
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	76.8%	84.1%
अस्थिर चाचण्या	1	4
एकूण रन	69	69
प्रति निकाल खर्च	19.982	7.753
एकूण खर्च	$3.397	$1.318
इनपुट किंमत	$4.000 / 1M	$1.750 / 1M
आउटपुट किंमत	$20.000 / 1M	$14.000 / 1M
कॅश वाचण्याची किंमत	$0.200 / 1M	$0.175 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	241,489	222,794
आउटपुट टोकन्स	11,575	7,357
रिझनिंग टोकन्स	109,971	58,930
प्रतिसाद वेळ (सरासरी)	21.58s	18.87s
प्रतिसाद वेळ (कमाल)	162.73s	100.93s
प्रतिसाद वेळ (एकूण)	496.40s	433.94s
पॅरामीटर्स	~1T एकूण (~50B सक्रिय)	~1.2T एकूण (~80B 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.

#30 Muse Wonder

medium

खर्च: $0.208
वेळ: 64.8s
टोकन्स: 10,444 tok

#35 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 Wonder	10.0	10.0	100.0%	0		46.05s	148,242	2,406	2,850
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 Wonder	8.3	10.0	75.0%	0		4.84s	594	378	3,874
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 Wonder	10.0	10.0	100.0%	0		26.87s	7,401	1,181	26,424
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 Wonder	10.0	10.0	100.0%	0		28.23s	66,033	4,934	17,166
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 Wonder	10.0	10.0	100.0%	0		6.12s	7,053	433	3,670
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 Wonder	5.3	10.0	33.3%	0		70.72s	555	960	42,167
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 Wonder	10.0	10.0	100.0%	0		7.32s	519	147	1,123
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 Wonder	6.6	10.0	50.0%	0		3.88s	523	124	1,783
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 Wonder	7.7	10.0	66.7%	0		9.63s	564	481	4,834
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 Wonder	10.0	10.0	100.0%	0		9.26s	9,780	369	2,803
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 Wonder	4.7	1.6	66.7%	1		16.33s	225	162	3,277
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 Muse WonderlowvsGPT-5.3-Codexmedium Claude Sonnet 5.5maxvsMuse Wondermedium GPT-5.3-CodexmediumvsParetodefault Seed 2.1 TurbohighvsGPT-5.3-Codexmedium Muse WonderminimalvsGPT-5.3-Codexmedium Claude Sonnet 5.5maxvsGPT-5.3-Codexmedium Seed 2.1 TurbolowvsMuse Wondermedium Muse WondermediumvsQwen3.8 Max (0902)high Claude Haiku 5.5xhighvsMuse Wondermedium