Todos los lanzamientos

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

Comparación de los lanzamientos Muse Wonder 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 Wonder (Max), con 44 de Muse Wonder.
  • En tiempo por tarea, GPT-6.1 Sol es el más rápido: GPT-6.1 Sol (Low), con 1,7 min, frente a Muse Wonder (High), con 9,0 min de Muse Wonder.
  • En costo por tarea, GPT-6.1 Sol es el más económico: GPT-6.1 Sol (Low), con $0.16, frente a Muse Wonder (Max), con $6.95 de Muse Wonder.
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 Wonder (max)Muse Wonder (high)GPT-6.1 Sol (low)
Intelligence Index
55
52
50
46
44
41
35
Finanzas y contabilidad
56
55
53
51
51
50
44
Estrategia y operaciones
58
57
55
53
54
54
46
Jurídico
54
54
52
49
47
46
43
Salud y medicina
52
51
49
46
49
--
40
Costo por tareaUSD
$1.27
$0.76
$0.59
$0.36
$6.95
--
$0.16
Tiempo por tareaMinutos
21,2
9,1
6,6
3,9
12,1
9,0
1,7
Tiempo hasta el primer token de respuestas
165,13
69,80
37,82
6,30
20,24
8,97
2,69
Ventana de contexto
1M
1M
1M
1M
1M
1M
1M
Creador
OpenAI
OpenAI
OpenAI
OpenAI
Meta
Meta
OpenAI
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, imágenes, voz y video

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

Admite: texto

Proveedores
OpenAIMicrosoft Azure
OpenAI
OpenAI
OpenAI
Meta
Meta
OpenAI
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
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-6.1 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
No publicly available API

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
No publicly available API

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

vs.

AA-PersonalityBench: índice Expressiveness, Muse Wonder (max) vs. GPT-6.1 Sol (max)

Probabilidad de que la respuesta de cada modelo sea juzgada como la que muestra más cada rasgo, según su diferencia de Elo · 50 % es un empate
MetaMuse Wonder (max)OpenAIGPT-6.1 Sol (max)
Metaphorical
97 %
3 %
Eloquent
94 %
6 %
Lexically Varied
93 %
7 %
Literate
21 %
79 %
Natural Sounding
77 %
23 %