Todos los lanzamientos

Kimi K3.1 Pro vs. Muse Wonder Full: comparación de lanzamientos

Comparación de los lanzamientos Kimi K3.1 Pro y Muse Wonder Full: 1 modelo y 1 modelo respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 2 modelos.

  • En inteligencia, Muse Wonder Full obtiene la puntuación más alta, con 50, frente a Kimi K3.1 Pro, con 46.
Playground de modelos

Lanzamientos comparados

Muse Wonder Full (max)Kimi K3.1 Pro
Intelligence Index
50
46
Finanzas y contabilidad
55
53
Estrategia y operaciones
58
58
Jurídico
51
49
Salud y medicina
52
52
Costo por tareaUSD
--
$3.68
Tiempo por tareaMinutos
--
39.6
Tiempo hasta el primer token de respuestas
--
186.56
Ventana de contexto
1M
1M
Creador
Meta
Kimi
Licencia
Propietario
Abierto
Modalidad de entrada

Admite: texto, imágenes, voz y video

Admite: texto e imágenes

Modalidad de salida

Admite: texto

Admite: texto

Proveedores
--
DatabricksIncoKimi
+14
Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better
No publicly available API

Tiempo por tarea

Inference time (minutes) per Intelligence Index task · Lower is better
No publicly available API

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better
No publicly available API

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1
No publicly available API

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Pareto line
AA-Briefcase v1.1
AutomationBench-AA

Costo por tarea (USD, escala logarítmica)

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Rendimiento

Tiempo por tarea del Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

Puntuaciones de capacidades

Índices de capacidades

Mide el rendimiento de los modelos en capacidades e industrias específicas
Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

Benchmarks

AA-PersonalityBenchNew

Índices de personalidad

Cada eje es uno de los 8 índices de personalidad: la media de las puntuaciones z de Elo de sus rasgos, convertida en un rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark