नेव्हिगेशन
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Muse Wonder (medium) vs Pareto (default)

Muse Wonder (medium) average score मध्ये पुढे आहे: 9.2 vs 9.1. Pareto (default) चा benchmark खर्च कमी आहे: $1.520 vs $3.397. Muse Wonder (medium) वेगवान आहे: 21.58s vs 33.47s, 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
#39
एकूण आउटपुट टोकन्स
128,144
प्रतिसाद वेळ (सरासरी)
33.47s
एकूण खर्च
$1.520
शिफारस केलेले मॉडेल Pareto (default)

Its score stays close to the best score here (9.1 vs 9.2), while costing about 2.2x less than Muse Wonder (medium).

तपशीलवार तुलना

मेट्रिक Muse Wonder Muse Wonder medium प्रकाशन: 2026-10-13 Pareto Pareto default प्रकाशन: 2026-09-18
स्कोअर 9.2 9.1
क्रमांक #30 #39
विश्वसनीयता 9.1 10.0
सुसंगतता 9.6 9.2
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 76.8% 87.0%
अस्थिर चाचण्या 1 2
एकूण रन 69 69
प्रति निकाल खर्च 19.982 8.000
एकूण खर्च $3.397 $1.520
इनपुट किंमत $4.000 / 1M $2.500 / 1M
आउटपुट किंमत $20.000 / 1M $7.500 / 1M
कॅश वाचण्याची किंमत $0.200 / 1M $0.250 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 241,489 223,559
आउटपुट टोकन्स 11,575 128,144
रिझनिंग टोकन्स 109,971 0
प्रतिसाद वेळ (सरासरी) 21.58s 33.47s
प्रतिसाद वेळ (कमाल) 162.73s 143.33s
प्रतिसाद वेळ (एकूण) 496.40s 769.84s
पॅरामीटर्स ~1T एकूण (~50B 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

#39 Pareto

default
खर्च
$0.034
वेळ
170.7s
टोकन्स
4,581 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

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
Pareto 10.0 10.0 100.0% 0 50.12s 7,471 1,949 0

तुलना जोडी बदला