নেভিগেশন
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Command A+ (medium) vs Span-02 (default)

Command A+ (medium) average score-এ এগিয়ে: 3.4 vs 2.8. Span-02 (default)-এর benchmark খরচ কম: $0.001 vs $0.064. Span-02 (default) দ্রুত: 1.36s vs 91.72s, pass rates 0.0% vs 26.1%.

AI BENCHY টেস্ট স্যুট থেকে বেঞ্চমার্ক তৈরি হয়েছে: 2026-10-17

তুলনা করা মডেল

র‍্যাঙ্ক
#408
মোট আউটপুট টোকেন
18,795
প্রতিক্রিয়া সময় (গড়)
91.72s
মোট খরচ
$0.064
র‍্যাঙ্ক
#419
মোট আউটপুট টোকেন
0
প্রতিক্রিয়া সময় (গড়)
1.36s
মোট খরচ
$0.001
প্রস্তাবিত মডেল Span-02 (default)

Its score stays close to the best score here (2.8 vs 3.4), while costing about 90.4x less than Command A+ (medium).

বিস্তারিত তুলনা

মেট্রিক Command A+ Command A+ medium প্রকাশ: 2026-09-23 Span-02 Span-02 default প্রকাশ: 2026-10-17
স্কোর 3.4 2.8
র‍্যাঙ্ক #408 #419
নির্ভরযোগ্যতা 3.5 10.0
ধারাবাহিকতা 10.0 5.2
প্রচেষ্টা 69/69 36/69
সঠিক টেস্ট
প্রতি চেষ্টায় পাস রেট 0.0% 26.1%
অস্থির টেস্ট 0 0
মোট রান 69 36
প্রতি ফলাফলে খরচ 0.000 0.012
মোট খরচ $0.064 $0.001
ইনপুট মূল্য $0.300 / 1M $0.010 / 1M
আউটপুট মূল্য $1.500 / 1M $0.000 / 1M
ক্যাশ পড়ার মূল্য $0.150 / 1M প্রযোজ্য নয়
ক্যাশ লেখার মূল্য প্রযোজ্য নয় প্রযোজ্য নয়
মোট ইনপুট টোকেন 118,771 70,626
আউটপুট টোকেন 4,127 0
রিজনিং টোকেন 14,668 0
প্রতিক্রিয়া সময় (গড়) 91.72s 1.36s
প্রতিক্রিয়া সময় (সর্বোচ্চ) 112.76s 5.71s
প্রতিক্রিয়া সময় (মোট) 2109.54s 16.37s
প্যারামিটার 218B মোট (25B সক্রিয়) 26B মোট (4B সক্রিয়)
উপলভ্যতা উন্মুক্ত উৎস উন্মুক্ত উৎস

ক্যাশের মূল্য ইনপুট টোকেনের জন্য প্রযোজ্য। পড়ার সময় ক্যাশ করা প্রম্পট আবার ব্যবহার হয়; লেখার সময় সেগুলি সংরক্ষিত হয় এবং বাড়তি খরচ হতে পারে। আউটপুট টোকেনের জন্য আউটপুট মূল্য প্রযোজ্য।

মডেল জেনারেশন শোকেস

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#408 Command A+

medium
Provider returned error
খরচ
$0.000
সময়
0.2s
টোকেন
0 tok

#419 Span-02

default
এই মডেলের জন্য এখনও কোনো শোকেস ফলাফল তৈরি হয়নি।
খরচ
প্রযোজ্য নয়
সময়
-
টোকেন
0 tok

স্কোর অনুযায়ী শীর্ষ মডেল

স্কোর বনাম মোট খরচ

প্রতিক্রিয়া সময় (গড়)

স্কোর vs প্রতিক্রিয়া সময় (গড়)

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

বিভাগভিত্তিক বিশ্লেষণ

কোডিং স্কোর ধারাবাহিকতা প্রতি চেষ্টায় পাস রেট অস্থির টেস্ট সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়) ইনপুট টোকেন আউটপুট টোকেন রিজনিং টোকেন
Command A+ 3.0 10.0 0.0% 0 93.13s 0 0 0
Span-02 4.9 6.7 33.3% 0 544ms 32,136 0 0

তুলনার জুটি বদলান

Command A+mediumvsGrok 4.20noneCommand A+mediumvsXing4.0 29b A4bnoneবিনামূল্যে উপলভ্যCommand A+lowvsSpan-02defaultCommand A+nonevsSpan-02defaultCommand A+mediumvsLing 3.0 TinylowCommand A+mediumvsLing 3.0 TinyhighCommand A+highvsSpan-02defaultCommand A+mediumvsNemotron 3.5 Lightningnoneবিনামূল্যে উপলভ্যCommand A+mediumvsGranite 4.1 8bdefaultCommand A+mediumvsLing 3.0 TinydefaultSpan-02defaultvsXing4.0 29b A4bnoneবিনামূল্যে উপলভ্যSpan-02defaultvsGrok 4.20none