Todos los lanzamientos

Muse Wonder Full vs. GPT-6 Astra: comparación de lanzamientos

Comparación de los lanzamientos Muse Wonder Full y GPT-6 Astra: 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, GPT-6 Astra obtiene la puntuación más alta: GPT-6 Astra (Max), con 57, frente a Muse Wonder Full, con 50.
Playground de modelos

Lanzamientos comparados

GPT-6 Astra (max)GPT-6 Astra (xhigh)GPT-6 Astra (high)GPT-6 Astra (medium)Muse Wonder Full (max)GPT-6 Astra (low)
Intelligence Index
57
55
55
52
50
43
Finanzas y contabilidad
57
57
56
54
55
48
Estrategia y operaciones
58
58
57
56
58
50
Jurídico
56
56
55
52
51
48
Salud y medicina
54
53
52
50
52
45
Costo por tareaUSD
$6.24
$3.66
$3.24
$2.73
--
$1.42
Tiempo por tareaMinutos
24.1
12.1
9.5
7.7
--
3.9
Tiempo hasta el primer token de respuestas
253.50
114.55
65.23
7.29
--
3.88
Ventana de contexto
1M
1M
1M
1M
1M
1M
Creador
OpenAI
OpenAI
OpenAI
OpenAI
Meta
OpenAI
Licencia
Propietario
Propietario
Propietario
Propietario
Propietario
Propietario
Modalidad de entrada

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto e imágenes

Admite: texto, imágenes, voz y video

Admite: texto e imágenes

Modalidad de salida

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Admite: texto

Proveedores
OpenAIMicrosoft AzureAmazon Bedrock
OpenAI
OpenAI
OpenAI
--
OpenAIMicrosoft 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
GPT-6 Astra
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