Todos los lanzamientos

Muse Ember vs. GPT-6.1 Sol: comparación de lanzamientos

Comparación de los lanzamientos Muse Ember y GPT-6.1 Sol: 2 y 5 modelos respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 7 modelos.

  • En inteligencia, GPT-6.1 Sol obtiene la puntuación más alta: GPT-6.1 Sol (Max), con 55, frente a Muse Ember (Max), con 36 de Muse Ember.
  • En costo por tarea, Muse Ember es el más económico: Muse Ember (Xhigh), con $0.12, frente a GPT-6.1 Sol (Low), con $0.16 de GPT-6.1 Sol.
Playground de modelos

Lanzamientos comparados

GPT-6.1 Sol (max)GPT-6.1 Sol (xhigh)GPT-6.1 Sol (high)GPT-6.1 Sol (medium)Muse Ember (max)GPT-6.1 Sol (low)Muse Ember (xhigh)
Intelligence Index
55
52
50
46
36
35
34
Finanzas y contabilidad
56
55
53
51
45
44
44
Estrategia y operaciones
58
57
55
53
49
46
49
Jurídico
54
54
52
49
38
43
38
Salud y medicina
52
51
49
46
--
40
--
Costo por tareaUSD
$1.27
$0.76
$0.59
$0.36
$0.14
$0.16
$0.12
Tiempo por tareaMinutos
20.2
9.3
6.6
3.8
--
1.8
--
Tiempo hasta el primer token de respuestas
161.42
62.17
32.83
4.27
--
2.47
--
Ventana de contexto
1M
1M
1M
1M
1M
1M
1M
Creador
OpenAI
OpenAI
OpenAI
OpenAI
Meta
OpenAI
Meta
Licencia
Propietario
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 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

Admite: texto

Proveedores
OpenAIMicrosoft Azure
OpenAI
OpenAI
OpenAI
Meta
OpenAI
Meta
Updated
Artificial Analysis Intelligence Index · Higher is better
Inference time (minutes) per Intelligence Index task · Lower is better
Weighted average cost (USD) per Intelligence Index task · Lower is better

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 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task
Most attractive quadrant
Muse Ember
GPT-6.1 Sol
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

Velocidad y latencia

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 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