Muse Wonder (medium) vs Qwen3.8 Max (0902) (high)

Muse Wonder (medium) average score मध्ये पुढे आहे: 9.2 vs 9.1. Qwen3.8 Max (0902) (high) चा benchmark खर्च कमी आहे: $3.306 vs $3.397. Muse Wonder (medium) वेगवान आहे: 21.58s vs 186.06s, pass rates 76.8% vs 87.0%.

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: #34
एकूण आउटपुट टोकन्स: 441,352
प्रतिसाद वेळ (सरासरी): 186.06s
एकूण खर्च: $3.306

शिफारस केलेले मॉडेल Muse Wonder (medium)

It has the best score here (9.2), while responding about 8.6x faster than Qwen3.8 Max (0902) (high).

तपशीलवार तुलना

मेट्रिक	Muse Wonder Muse Wonder medium प्रकाशन: 2026-10-13	Qwen3.8 Max (0902) Qwen3.8 Max (0902) high प्रकाशन: 2026-09-07

मेट्रिक	Muse Wonder Muse Wonder medium प्रकाशन: 2026-10-13	Qwen3.8 Max (0902) Qwen3.8 Max (0902) high प्रकाशन: 2026-09-07
स्कोअर	9.2	9.1
क्रमांक	#30	#34
विश्वसनीयता	9.1	9.8
सुसंगतता	9.6	9.1
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	76.8%	87.0%
अस्थिर चाचण्या	1	3
एकूण रन	69	69
प्रति निकाल खर्च	19.982	18.364
एकूण खर्च	$3.397	$3.306
इनपुट किंमत	$4.000 / 1M	$2.000 / 1M
आउटपुट किंमत	$20.000 / 1M	$6.000 / 1M
कॅश वाचण्याची किंमत	$0.200 / 1M	$0.250 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	$2.500 / 1M
एकूण इनपुट टोकन्स	241,489	328,637
आउटपुट टोकन्स	11,575	8,619
रिझनिंग टोकन्स	109,971	432,733
प्रतिसाद वेळ (सरासरी)	21.58s	186.06s
प्रतिसाद वेळ (कमाल)	162.73s	912.78s
प्रतिसाद वेळ (एकूण)	496.40s	4279.49s
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.

#30 Muse Wonder

medium

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

#34 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 Wonder	10.0	10.0	100.0%	0		46.05s	148,242	2,406	2,850
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 Wonder	8.3	10.0	75.0%	0		4.84s	594	378	3,874
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 Wonder	10.0	10.0	100.0%	0		26.87s	7,401	1,181	26,424
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 Wonder	10.0	10.0	100.0%	0		28.23s	66,033	4,934	17,166
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 Wonder	10.0	10.0	100.0%	0		6.12s	7,053	433	3,670
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 Wonder	5.3	10.0	33.3%	0		70.72s	555	960	42,167
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 Wonder	10.0	10.0	100.0%	0		7.32s	519	147	1,123
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 Wonder	6.6	10.0	50.0%	0		3.88s	523	124	1,783
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 Wonder	7.7	10.0	66.7%	0		9.63s	564	481	4,834
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 Wonder	10.0	10.0	100.0%	0		9.26s	9,780	369	2,803
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 Wonder	4.7	1.6	66.7%	1		16.33s	225	162	3,277
Qwen3.8 Max (0902)	3.0	10.0	0.0%	0		532.59s	318	19	70,511

तुलना जोडी बदला

GPT-5.3-CodexmediumvsQwen3.8 Max (0902)high Claude Haiku 5.5xhighvsQwen3.8 Max (0902)high Claude Sonnet 5.5maxvsMuse Wondermedium Muse WonderlowvsQwen3.8 Max (0902)high Qwen3.8 Max (0902)highvsParetodefault Claude Sonnet 5.5maxvsQwen3.8 Max (0902)high Muse WonderminimalvsQwen3.8 Max (0902)high GPT-5.5mediumvsQwen3.8 Max (0902)high Seed 2.1 TurbolowvsMuse Wondermedium Claude Opus 5.5mediumvsQwen3.8 Max (0902)high Claude Haiku 5.5xhighvsMuse Wondermedium Muse WondermediumvsParetodefault