Muse Wonder (minimal) vs GPT-5.5 (medium)

GPT-5.5 (medium) average score मध्ये पुढे आहे: 9.2 vs 9.1. Muse Wonder (minimal) चा benchmark खर्च कमी आहे: $1.639 vs $4.809. Muse Wonder (minimal) वेगवान आहे: 7.72s vs 39.86s, pass rates 76.8% vs 88.4%.

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

तुलना केलेली मॉडेल्स

क्रमांक: #41
एकूण आउटपुट टोकन्स: 34,224
प्रतिसाद वेळ (सरासरी): 7.72s
एकूण खर्च: $1.639

क्रमांक: #31
एकूण आउटपुट टोकन्स: 130,107
प्रतिसाद वेळ (सरासरी): 39.86s
एकूण खर्च: $4.809

शिफारस केलेले मॉडेल Muse Wonder (minimal)

Its score stays close to the best score here (9.1 vs 9.2), while costing about 2.9x less than GPT-5.5 (medium).

तपशीलवार तुलना

मेट्रिक	Muse Wonder Muse Wonder minimal प्रकाशन: 2026-10-13	GPT-5.5 GPT-5.5 medium प्रकाशन: 2026-04-24

मेट्रिक	Muse Wonder Muse Wonder minimal प्रकाशन: 2026-10-13	GPT-5.5 GPT-5.5 medium प्रकाशन: 2026-04-24
स्कोअर	9.1	9.2
क्रमांक	#41	#31
विश्वसनीयता	9.7	10.0
सुसंगतता	9.3	9.0
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	76.8%	88.4%
अस्थिर चाचण्या	2	3
एकूण रन	69	69
प्रति निकाल खर्च	9.639	25.306
एकूण खर्च	$1.639	$4.809
इनपुट किंमत	$4.000 / 1M	$5.000 / 1M
आउटपुट किंमत	$20.000 / 1M	$30.000 / 1M
कॅश वाचण्याची किंमत	$0.200 / 1M	$0.500 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	238,532	180,959
आउटपुट टोकन्स	9,812	6,472
रिझनिंग टोकन्स	24,412	123,635
प्रतिसाद वेळ (सरासरी)	7.72s	39.86s
प्रतिसाद वेळ (कमाल)	42.89s	332.10s
प्रतिसाद वेळ (एकूण)	177.57s	916.82s
पॅरामीटर्स	~1T एकूण (~50B सक्रिय)	~1.5T 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.

#41 Muse Wonder

minimal

खर्च: $0.048
वेळ: 15.1s
टोकन्स: 2,488 tok

#31 GPT-5.5

medium

खर्च: $0.112
वेळ: 71.9s
टोकन्स: 3,807 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		42.89s	136,213	2,145	1,352
GPT-5.5	10.0	10.0	100.0%	0		59.39s	100,291	855	3,936

अँटी-एआय युक्त्या	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		2.94s	786	230	1,575
GPT-5.5	10.0	10.0	100.0%	0		4.66s	606	250	1,335

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		6.86s	7,401	809	7,336
GPT-5.5	8.8	7.8	88.9%	1		59.77s	7,305	362	24,959

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		16.14s	74,966	4,993	4,072
GPT-5.5	10.0	10.0	100.0%	0		33.52s	57,466	3,944	6,735

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		3.31s	7,053	240	1,074
GPT-5.5	10.0	10.0	100.0%	0		4.18s	7,140	234	593

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	7.2	44.4%	1		15.00s	864	476	6,965
GPT-5.5	5.3	7.2	44.4%	1		168.16s	732	67	80,505

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		2.57s	519	96	390
GPT-5.5	10.0	10.0	100.0%	0		4.16s	477	138	223

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Wonder	6.5	10.0	50.0%	0		1.39s	408	36	333
GPT-5.5	10.0	10.0	100.0%	0		3.36s	660	93	538

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Wonder	5.3	7.2	44.4%	1		1.36s	317	92	530
GPT-5.5	10.0	10.0	100.0%	0		6.76s	642	241	2,225

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		4.86s	9,780	653	156
GPT-5.5	10.0	10.0	100.0%	0		10.57s	5,445	258	832

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Muse Wonder	3.0	10.0	0.0%	0		4.17s	225	42	629
GPT-5.5	2.8	1.6	33.3%	1		37.86s	195	30	1,754

तुलना जोडी बदला

Claude Sonnet 5.5maxvsGPT-5.5medium Seed 2.1 TurbohighvsMuse Wonderminimal Muse WonderminimalvsParetodefault Claude Haiku 5.5xhighvsMuse Wonderminimal Muse WonderminimalvsGPT-5.3-Codexmedium Muse WonderminimalvsQwen3.8 Max (0902)high GPT-5.5mediumvsQwen3.8 Max (0902)high Gemini 3.5 FlashlowvsMuse Wonderminimal Claude Haiku 5.5xhighvsGPT-5.5medium Muse Spark 1.3highvsGPT-5.5medium Muse WonderminimalvsQwen3.8 Max (0902)medium Muse WonderlowvsGPT-5.5medium