所有发布

Muse Wonder vs. GPT-6.1 Sol:发布比较

Muse Wonder 与 GPT-6.1 Sol 发布比较:分别包含 2 个和 5 个模型,各自具有不同的智能、性能与价格特征。下方对全部 7 个模型的关键指标进行了比较。

  • 智能方面,GPT-6.1 Sol 得分最高:GPT-6.1 Sol (Max)(55),Muse Wonder 为 Muse Wonder (Max)(44)。
  • 每任务耗时方面,GPT-6.1 Sol 最快:GPT-6.1 Sol (Low)(1.7 分钟),Muse Wonder 为 Muse Wonder (High)(8.8 分钟)。
  • 单任务成本方面,GPT-6.1 Sol 最低:GPT-6.1 Sol (Low)($0.16),Muse Wonder 为 Muse Wonder (Max)($6.95)。
模型 Playground

比较的发布

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
财务与会计
56
55
53
51
51
50
44
战略与运营
58
57
55
53
54
54
46
法律
54
54
52
49
47
46
43
医疗与健康
52
51
49
46
49
--
40
每任务成本美元
$1.27
$0.76
$0.59
$0.36
$6.95
--
$0.16
每任务耗时分钟
21.2
9.1
6.6
3.9
12.1
8.8
1.7
首个答案 Token 延迟秒
168.90
69.80
38.27
6.31
20.56
10.24
2.68
上下文窗口
1M
1M
1M
1M
1M
1M
1M
开发商
OpenAI
OpenAI
OpenAI
OpenAI
Meta
Meta
OpenAI
许可证
专有
专有
专有
专有
专有
专有
专有
输入模态

支持:文本和图像

支持:文本和图像

支持:文本和图像

支持:文本和图像

支持:文本、图像、语音和视频

支持:文本、图像、语音和视频

支持:文本和图像

输出模态

支持:文本

支持:文本

支持:文本

支持:文本

支持:文本

支持:文本

支持:文本

服务商
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

智能Updated

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 与每项任务的成本

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

单任务成本(美元,对数刻度)

成本

每项 Intelligence Index 任务的成本

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

速度与延迟

Intelligence Index 每项任务耗时

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

能力得分

能力指数

衡量模型在特定能力与行业中的表现
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:Expressiveness 指数,Muse Wonder (max) vs GPT-6.1 Sol (max)

根据两者的 Elo 差距,每个模型的回答在各特质上被判定为更显著的概率 · 50% 表示势均力敌
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%