- 排名
- #30
- 总输出令牌
- 121,546
- 响应时间（平均）
- 21.58s
- 总成本
- $3.397
Muse Wonder (medium) vs Pareto (default)
Muse Wonder (medium) 平均分领先，为 9.2 vs 9.1。 Pareto (default) benchmark 成本更低，为 $1.520 vs $3.397。 Muse Wonder (medium) 更快，为 21.58s vs 33.47s，通过率为 76.8% vs 87.0%。
已对比模型
- 排名
- #39
- 总输出令牌
- 128,144
- 响应时间（平均）
- 33.47s
- 总成本
- $1.520
推荐模型
Pareto (default)
它的得分接近这里的最高分（9.1 vs 9.2），同时成本比Muse Wonder (medium)低约 2.2 倍。
详细对比
| 指标 | Muse Wonder Muse Wonder medium | Pareto Pareto default |
|---|---|---|
| 分数 | 9.2 | 9.1 |
| 排名 | #30 | #39 |
| 可靠性 | 9.1 | 10.0 |
| 一致性 | 9.6 | 9.2 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 76.8% | 87.0% |
| 不稳定测试 | 1 | 2 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 19.982 | 8.000 |
| 总成本 | $3.397 | $1.520 |
| 输入价格 | $4.000 / 1M | $2.500 / 1M |
| 输出价格 | $20.000 / 1M | $7.500 / 1M |
| 缓存读取价格 | $0.200 / 1M | $0.250 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 241,489 | 223,559 |
| 输出令牌 | 11,575 | 128,144 |
| 推理令牌 | 109,971 | 0 |
| 响应时间（平均） | 21.58s | 33.47s |
| 响应时间（最大） | 162.73s | 143.33s |
| 响应时间（总计） | 496.40s | 769.84s |
| 参数量 | ~1T 总计 (~50B 激活) | - |
| 开放状态 | 闭源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#30 Muse Wonder
medium- 成本
- $0.208
- 时间
- 64.8s
- 令牌
- 10,444 tok
#39 Pareto
default- 成本
- $0.034
- 时间
- 170.7s
- 令牌
- 4,581 tok
类别细分
| 智能体任务 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 46.05s | 148,242 | 2,406 | 2,850 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 76.54s | 112,825 | 8,914 | 0 |
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 8.3 | 10.0 | 75.0% | 0 | 4.84s | 594 | 378 | 3,874 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 6.39s | 703 | 2,173 | 0 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 26.87s | 7,401 | 1,181 | 26,424 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 50.12s | 7,471 | 1,949 | 0 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 28.23s | 66,033 | 4,934 | 17,166 | |
| Pareto | 7.2 | 9.1 | 50.0% | 0 | 53.54s | 85,180 | 98,580 | 0 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 6.12s | 7,053 | 433 | 3,670 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 2.57s | 7,728 | 1,371 | 0 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 5.3 | 10.0 | 33.3% | 0 | 70.72s | 555 | 960 | 42,167 | |
| Pareto | 7.7 | 10.0 | 66.7% | 0 | 98.85s | 858 | 8,379 | 0 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 7.32s | 519 | 147 | 1,123 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 8.63s | 492 | 260 | 0 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 6.6 | 10.0 | 50.0% | 0 | 3.88s | 523 | 124 | 1,783 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 4.95s | 667 | 507 | 0 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 7.7 | 10.0 | 66.7% | 0 | 9.63s | 564 | 481 | 4,834 | |
| Pareto | 8.2 | 7.2 | 88.9% | 1 | 18.24s | 624 | 4,433 | 0 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 9.26s | 9,780 | 369 | 2,803 | |
| Pareto | 10.0 | 10.0 | 100.0% | 0 | 3.29s | 6,762 | 963 | 0 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 4.7 | 1.6 | 66.7% | 1 | 16.33s | 225 | 162 | 3,277 | |
| Pareto | 2.8 | 1.6 | 33.3% | 1 | 32.07s | 249 | 615 | 0 |
快速对比
切换对比组合
Seed 2.1 TurbohighvsParetodefaultMuse WonderlowvsParetodefaultMuse WonderminimalvsParetodefaultMuse Spark 1.3highvsParetodefaultClaude Sonnet 5.5maxvsMuse WondermediumClaude Haiku 5.5xhighvsParetodefaultGPT-5.3-CodexmediumvsParetodefaultQwen3.8 Max (0902)highvsParetodefaultSeed 2.1 TurbolowvsMuse WondermediumMuse WondermediumvsQwen3.8 Max (0902)highGemini 3.5 FlashlowvsParetodefaultClaude Haiku 5.5xhighvsMuse Wondermedium