Todos los lanzamientos

Muse Wonder Full vs. Claude Sonnet 5.5: comparación de lanzamientos

Comparación de los lanzamientos Muse Wonder Full y Claude Sonnet 5.5: 1 modelo y 5 modelos respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 6 modelos.

  • En inteligencia, Claude Sonnet 5.5 obtiene la puntuación más alta: Claude Sonnet 5.5 (Max, Default Fallback), con 55, frente a Muse Wonder Full, con 50.
Playground de modelos

Lanzamientos comparados

Claude Sonnet 5.5 (max)Muse Wonder Full (max)Claude Sonnet 5.5 (xhigh)Claude Sonnet 5.5 (high)Claude Sonnet 5.5 (medium)Claude Sonnet 5.5 (low)
Intelligence Index
55
50
50
42
31
26
Finanzas y contabilidad
56
55
49
44
41
36
Estrategia y operaciones
58
58
54
51
47
42
Jurídico
52
51
47
44
39
37
Salud y medicina
54
52
47
44
40
37
Costo por tareaUSD
$10.02
--
$4.09
$1.64
$0.78
$0.51
Tiempo por tareaMinutos
33.8
--
14.3
6.7
4.0
2.6
Tiempo hasta el primer token de respuestas
272.39
--
28.45
10.38
4.50
2.18
Ventana de contexto
1M
1M
1M
1M
1M
1M
Creador
Anthropic
Meta
Anthropic
Anthropic
Anthropic
Anthropic
Licencia
Propietario
Propietario
Propietario
Propietario
Propietario
Propietario
Modalidad de entrada

Admite: texto e imágenes

Admite: texto, imágenes, voz y video

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Modalidad de salida

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Proveedores
AnthropicMicrosoft AzureAmazon BedrockGoogle
--
Anthropic
Anthropic
Anthropic
GoogleAnthropicAmazon BedrockMicrosoft Azure
Updated
Artificial Analysis Intelligence Index · Higher is better
No publicly available API
Inference time (minutes) per Intelligence Index task · Lower is better
No publicly available API
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
Claude Sonnet 5.5
Pareto line

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

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