AI BENCHY Compare

Anthropic: Claude Opus 4.7 vs Meta: Muse Spark 1.1

Rezumat

Muse Spark 1.1 (low) conduce la scorul mediu cu 8.8 vs 8.7. Muse Spark 1.1 (low) are costul de benchmark mai mic, $0.469 vs $0.679. Claude Opus 4.7 (medium) este mai rapid cu 4.73s vs 10.11s, cu rate de reușită de 82.5% vs 73.0%.

Model recomandatClaude Opus 4.7 (medium)Scorul rămâne aproape de cel mai bun scor de aici (8.7 vs 8.8) și răspunde de aproximativ 2.1x mai rapid decât Muse Spark 1.1 (low).

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-07-16

Metrică	Claude Opus 4.7 Claude Opus 4.7 medium Lansare: 2026-04-16	Muse Spark 1.1 Muse Spark 1.1 low Lansare: 2026-07-16

Metrică	Claude Opus 4.7 Claude Opus 4.7 medium Lansare: 2026-04-16	Muse Spark 1.1 Muse Spark 1.1 low Lansare: 2026-07-16
Scor	8.7	8.8
Rang	#18	#17
Fiabilitate	10.0	10.0
Consistență	9.6	8.5
Teste corecte
Rată de trecere pe încercare	82.5%	73.0%
Teste instabile	1	4
Rulări totale	63	63
Cost per rezultat	3.991	3.606
Cost total	$0.679	$0.469
Preț de intrare	$5.000 / 1M	$1.250 / 1M
Preț de ieșire	$25.000 / 1M	$4.250 / 1M
Total tokenuri de intrare	65,406	59,923
Tokenuri de ieșire	11,858	3,722
Tokenuri de raționament	2,198	88,947
Timp de răspuns (mediu)	4.73s	10.11s
Timp de răspuns (maxim)	23.18s	54.15s
Timp de răspuns (total)	94.51s	212.29s

Prezentare generare

Hamster playing table tennis

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

#18 Claude Opus 4.7

medium

Cost: $0.059
Timp: 26.8s
Tokenuri: 2,475 tok

#17 Muse Spark 1.1

low

Cost: $0.020
Timp: 39.2s
Tokenuri: 4,947 tok

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Categorie:

Trucuri anti-AI	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	8.3	10.0	75.0%	0		1.85s	894	348	0
Muse Spark 1.1	7.9	6.3	83.3%	2		4.36s	2,334	621	6,040

Programare	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	7.6	7.2	77.8%	1		12.96s	10,635	7,629	1,114
Muse Spark 1.1	10.0	10.0	100.0%	0		10.34s	8,562	394	14,503

Combinat	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		21.45s	24,501	2,369	1,084
Muse Spark 1.1	9.6	10.0	100.0%	0		19.26s	21,277	885	6,849

Parsare și extragere de date	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		2.37s	10,533	324	0
Muse Spark 1.1	10.0	10.0	100.0%	0		3.22s	7,827	240	2,074

Specific domeniului	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	7.7	10.0	66.7%	0		1.17s	630	51	0
Muse Spark 1.1	2.9	7.2	11.1%	1		29.73s	2,016	235	42,049

Inteligență generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		2.87s	723	256	0
Muse Spark 1.1	10.0	10.0	100.0%	0		4.12s	906	131	1,125

Respectarea instrucțiunilor	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		1.57s	939	114	0
Muse Spark 1.1	7.3	6.0	83.3%	1		5.42s	1,527	252	4,246

Rezolvare de puzzle-uri	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		2.43s	939	370	0
Muse Spark 1.1	8.3	10.0	66.7%	0		6.60s	1,938	391	7,503

Apelare instrumente	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	10.0	10.0	100.0%	0		4.17s	15,339	373	0
Muse Spark 1.1	9.8	10.0	100.0%	0		5.98s	12,924	533	1,012

Cultură generală	Scor	Consistență	Rată de trecere pe încercare	Teste instabile	Teste corecte	Timp de răspuns (mediu)	Tokenuri de intrare	Tokenuri de ieșire	Tokenuri de raționament
Claude Opus 4.7	3.0	10.0	0.0%	0		2.25s	273	24	0
Muse Spark 1.1	3.0	10.0	0.0%	0		8.17s	612	40	3,546

Comparație rapidă

Schimbă perechea de comparație

Claude Opus 4.8mediumvsMuse Spark 1.1low Muse Spark 1.1lowvsGLM 5.2medium Muse Spark 1.1lowvsQwen3.6 Max Previewmedium Muse Spark 1.1lowvsGPT-5.3-Codexmedium Claude Opus 4.7mediumvsKimi K3max Muse Spark 1.1lowvsGLM 5medium Claude Opus 4.7mediumvsGPT-5.2 Chatnone Muse Spark 1.1lowvsKimi K3max Muse Spark 1.1lowvsGPT-5 Minimedium Muse Spark 1.1lowvsGPT-5.5medium Muse Spark 1.1lowvsGPT-5.4medium Seed-2.0-LitemediumvsMuse Spark 1.1low