AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Meta: Muse Spark 1.1

Rezumat

Muse Spark 1.1 (high) conduce la scorul mediu cu 7.8 vs 7.7. Claude Opus 4.8 (low) are costul de benchmark mai mic, $1.270 vs $1.440. Claude Opus 4.8 (low) este mai rapid cu 10.83s vs 29.16s, cu rate de reușită de 79.4% vs 69.8%.

Model recomandatClaude Opus 4.8 (low)Scorul rămâne aproape de cel mai bun scor de aici (7.7 vs 7.8) și răspunde de aproximativ 2.7x mai rapid decât Muse Spark 1.1 (high).

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

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 high Lansare: 2026-07-16

Metrică	Claude Opus 4.8 Claude Opus 4.8 low Lansare: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 high Lansare: 2026-07-16
Scor	7.7	7.8
Rang	#51	#41
Fiabilitate	10.0	10.0
Consistență	8.8	8.1
Teste corecte
Rată de trecere pe încercare	79.4%	69.8%
Teste instabile	3	5
Rulări totale	63	61
Cost per rezultat	8.466	11.997
Cost total	$1.270	$1.440
Preț de intrare	$5.000 / 1M	$1.250 / 1M
Preț de ieșire	$25.000 / 1M	$4.250 / 1M
Total tokenuri de intrare	60,946	64,900
Tokenuri de ieșire	31,771	3,577
Tokenuri de raționament	6,831	316,055
Timp de răspuns (mediu)	10.83s	29.16s
Timp de răspuns (maxim)	127.97s	196.03s
Timp de răspuns (total)	227.39s	583.18s

Prezentare generare

Hamster playing table tennis

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

#51 Claude Opus 4.8

low

Cost: $0.031
Timp: 14.1s
Tokenuri: 1,345 tok

#41 Muse Spark 1.1

high

Cost: $0.039
Timp: 50.1s
Tokenuri: 9,423 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 4.8	10.0	10.0	100.0%	0		3.30s	834	793	371
Muse Spark 1.1	7.5	8.4	66.7%	1		8.60s	2,334	516	13,023

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 4.8	6.6	4.6	77.8%	2		7.58s	10,590	3,637	809
Muse Spark 1.1	10.0	10.0	100.0%	0		22.92s	8,562	349	36,039

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 4.8	9.8	10.0	100.0%	0		20.84s	23,500	2,216	1,081
Muse Spark 1.1	4.5	2.1	66.7%	1		62.41s	25,559	1,035	32,073

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 4.8	6.3	5.8	66.7%	1		2.27s	10,503	310	0
Muse Spark 1.1	10.0	10.0	100.0%	0		8.40s	7,827	240	5,907

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 4.8	5.3	10.0	33.3%	0		45.53s	975	23,311	3,908
Muse Spark 1.1	3.5	4.4	33.3%	2		67.39s	1,272	66	64,456

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 4.8	10.0	10.0	100.0%	0		2.55s	708	231	0
Muse Spark 1.1	10.0	10.0	100.0%	0		7.73s	906	116	3,390

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 4.8	9.8	10.0	100.0%	0		2.78s	909	111	221
Muse Spark 1.1	6.4	6.0	66.7%	1		7.81s	1,527	193	7,158

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 4.8	10.0	10.0	100.0%	0		3.01s	894	592	184
Muse Spark 1.1	7.8	9.9	66.7%	0		69.96s	1,938	225	140,780

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 4.8	10.0	10.0	100.0%	0		6.85s	11,775	370	35
Muse Spark 1.1	9.6	10.0	100.0%	0		9.88s	14,363	795	2,938

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 4.8	3.0	10.0	0.0%	0		5.48s	258	200	222
Muse Spark 1.1	3.0	10.0	0.0%	0		22.93s	612	42	10,291

Comparație rapidă

Schimbă perechea de comparație

Muse Spark 1.1highvsQwen3.6 Plusmedium Claude Opus 4.8lowvsQwen3.5-122B-A10Bmedium Muse Spark 1.1highvsGPT-5.6 Terramedium Claude Sonnet 5mediumvsMuse Spark 1.1high Claude Opus 4.8lowvsKimi K2.6mediumDisponibil gratuit Claude Sonnet 4.6mediumvsMuse Spark 1.1high Claude Opus 4.8lowvsGrok 4.3medium Claude Opus 4.8lowvsGemini 3.1 Flash Litemedium Muse Spark 1.1highvsGrok 4.5low Claude Opus 4.8lowvsQwen3.5 Plus 2026-04-20medium Claude Opus 4.8lowvsGemini 3.1 Flash Lite Previewmedium Claude Opus 4.8lowvsGPT-5.6 Lunahigh