› Ik legde Muse Wonder en vier concurrenten exact dezelfde 23 taken voor: een agent met tools, code gecontroleerd met geautomatiseerde unit tests, formele documenten, logisch redeneren en een document van 47.000 tot 88.000 tokens.
› Op alledaagse praktijktaken scoorden alle vijf de modellen 99 tot 100 procent.
› De werkelijke verschillen zaten in de factuur, de responstijd en specifieke kleine foutjes.
› Muse Wonder bleek de op een na goedkoopste en op een na snelste optie.