AI BENCHY
Advertise here
#41

Muse Spark 1.1

Meta प्रकाशन: 2026-07-16 चाचणी तारीख: 2026-07-16 19:02 meta/muse-spark-1.1::high
~1T एकूण (~50B सक्रिय)MoEबंद स्रोतअंदाजित
(high) (medium) (low)

सारांश

Muse Spark 1.1 AI BENCHY वर 7.8 स्कोर करते आणि #41 वर आहे. याची reliability 10.0, pass rate 69.8%, एकूण खर्च $1.440, आणि सरासरी response time 29.16s आहे.

Muse Spark 1.1 खास का आहे: हे Samanya Buddhimatta मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर संयुक्त हा सर्वात कमकुवत भाग आहे, rank #18.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

अंदाजित
पॅरामीटर्स
~1T एकूण (~50B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-

सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

7.8

सुसंगतता

8.1

विश्वसनीयता

10.0

एकूण खर्च (सध्याची किंमत)

$1.440

एकूण आउटपुट टोकन्स

319,632

एकूण इनपुट टोकन्स

64,900

इनपुट किंमत

$1.250 / 1M

आउटपुट किंमत

$4.250 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 9

प्रति प्रयत्न पास दर: 69.8%

बेंचमार्क कव्हरेज: 61/63 प्रयत्न

अस्थिर चाचण्या

5

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

29.16s

प्रतिसाद वेळ (कमाल): 196.03s

प्रतिसाद वेळ (एकूण): 583.18s

चुकीचे उत्तर: 4 सूचनांचे पालन केले नाही: 2 API त्रुटी: 1 अवैध टूल कॉल: 1 उत्तर नाही: 1

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#41 Muse Spark 1.1

high
खर्च
$0.039
वेळ
50.1s
टोकन्स
9,423 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-08-14 03:29 पुन्हा चाचणी 8.0 10.0 $1.709 तुलना करा
2026-07-16 23:39 नवीन चाचणी जोडली 8.1 10.0 $1.694 तुलना करा
2026-07-16 19:02 पहिला रन 7.8 10.0 $1.440 सध्याची रन

रन तुलना

रनबेंचमार्क कव्हरेजस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-07-16 19:02 · पहिला रन61/63 प्रयत्न7.88.110.012/215319,63264,900$1.44029.16s
2026-08-14 03:29 · पुन्हा चाचणी64/66 प्रयत्न8.07.910.012/226363,989129,003$1.70930.84s
फरक—-0.2+0.20.00-1-44357-64103-$0.269-1683ms

बेंचमार्क कव्हरेज वेगळे आहे: 61/63 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 64/66 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.

या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.

किंमत इतिहास

OpenRouter मधील या मॉडेलचा ऐतिहासिक किंमत डेटा.

तारीख इनपुट किंमत आउटपुट किंमत
2026-07-16 19:03 $1.250 / 1M $4.250 / 1M

चार्ट्स

पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Muse Spark 1.1highvsInklinghighMuse Spark 1.1highvsDeepSeek V4 Flash 0731lowMuse Spark 1.1highvsMuse Glimmer 30BxhighMuse Spark 1.1highvsDeepSeek V4 Flash 0731highMuse Spark 1.1highvsGPT-5 MinimediumMuse Spark 1.1highvsGLM 5.2highMuse Spark 1.1highvsQwen3.8 2.4T A95BlowMuse Spark 1.1highvsInklingmediumMuse Spark 1.1highvsClaude Sonnet 5mediumMuse Spark 1.1highvsGPT-5.6 Terrahigh

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 7.5 8.4
कोडिंग 10.0 10.0
संयुक्त 4.5 2.1
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.5 4.4
Samanya Buddhimatta 10.0 10.0
सूचनांचे पालन 6.4 6.0
कोडी सोडवणे 7.8 9.9
टूल कॉलिंग 9.6 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स