AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs Meta: Muse Spark 1.1

Сводка

Средний балл практически равен: 8.8 vs 8.9. Claude Opus 4.8 (medium) имеет более низкую стоимость benchmark: $1.107 vs $1.152. Claude Opus 4.8 (medium) быстрее: 9.72s vs 23.35s, с долей успешных попыток 84.1% vs 76.2%.

Рекомендуемая модельClaude Opus 4.8 (medium)Здесь у него лучший балл (8.8), и он отвечает примерно в 2.4 раза быстрее, чем Muse Spark 1.1 (medium).

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-07-16

Метрика	Claude Opus 4.8 Claude Opus 4.8 medium Релиз: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 medium Релиз: 2026-07-16

Метрика	Claude Opus 4.8 Claude Opus 4.8 medium Релиз: 2026-05-28	Muse Spark 1.1 Muse Spark 1.1 medium Релиз: 2026-07-16
Оценка	8.8	8.9
Ранг	#16	#15
Надежность	10.0	10.0
Стабильность	9.6	9.2
Тестов верно
Доля успешных попыток	84.1%	76.2%
Нестабильные тесты	1	2
Всего запусков	63	63
Стоимость за результат	6.512	7.676
Общая стоимость	$1.107	$1.152
Цена входа	$5.000 / 1M	$1.250 / 1M
Цена выхода	$25.000 / 1M	$4.250 / 1M
Общее число входных токенов	61,007	59,928
Выходные токены	26,495	3,523
Токены рассуждений	5,901	249,752
Время ответа (среднее)	9.72s	23.35s
Время ответа (макс.)	38.03s	165.38s
Время ответа (суммарно)	204.19s	490.40s

Генерация showcase

Hamster playing table tennis

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

#16 Claude Opus 4.8

medium

Стоимость: $0.057
Время: 23.1s
Токены: 2,412 tok

#15 Muse Spark 1.1

medium

Стоимость: $0.024
Время: 29.2s
Токены: 5,774 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
Muse Spark 1.1	10.0	10.0	100.0%	0		5.72s	2,334	657	8,260

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
Muse Spark 1.1	10.0	10.0	100.0%	0		15.66s	8,562	347	23,562

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.8	10.0	100.0%	0		38.03s	23,561	5,260	1,588
Muse Spark 1.1	9.6	10.0	100.0%	0		26.33s	21,282	838	11,595

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
Muse Spark 1.1	10.0	10.0	100.0%	0		4.96s	7,827	240	3,387

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	5.3	10.0	33.3%	0		14.59s	975	7,477	900
Muse Spark 1.1	3.5	4.4	33.3%	2		71.45s	2,016	105	109,166

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		2.46s	708	237	0
Muse Spark 1.1	10.0	10.0	100.0%	0		4.41s	906	116	1,833

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
Muse Spark 1.1	6.5	10.0	50.0%	0		6.31s	1,527	233	5,186

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
Muse Spark 1.1	7.9	9.9	66.7%	0		42.49s	1,938	350	76,778

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		8.96s	11,775	301	225
Muse Spark 1.1	9.8	10.0	100.0%	0		6.99s	12,924	598	1,610

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		6.14s	258	451	214
Muse Spark 1.1	3.0	10.0	0.0%	0		18.45s	612	39	8,375

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.8mediumvsMuse Spark 1.1low Claude Opus 4.8mediumvsKimi K3max Muse Spark 1.1mediumvsKimi K3max Claude Opus 4.8mediumvsGPT-5.2 Chatnone Muse Spark 1.1mediumvsGPT-5.2 Chatnone Gemini 3.5 FlashlowvsMuse Spark 1.1medium Claude Opus 4.8mediumvsGemini 3.5 Flashlow Muse Spark 1.1mediumvsGPT-5.5low Claude Opus 4.8mediumvsGPT-5.5low Muse Spark 1.1mediumvsGPT-5.6 Solhigh Claude Opus 4.8mediumvsGPT-5.6 Solhigh Claude Opus 4.8mediumvsDeepSeek V4 Flashhigh