Advertise here
#138

Seed-2.0-Mini

Bytedance Seed প্রকাশ: 2026-02-14 পরীক্ষিত হয়েছে: 2026-10-01 02:41 bytedance-seed/seed-2.0-mini::medium
~50B মোট (~5B সক্রিয়)MoEবন্ধ উৎসআনুমানিক

সারাংশ

Seed-2.0-Mini AI BENCHY-তে 7.5 স্কোর করে এবং #138 স্থানে আছে। এর reliability 9.4, pass rate 59.4%, মোট খরচ $0.140, এবং গড় response time 91.67s.

Seed-2.0-Mini কে আলাদা করে যা: এটি নির্দেশনা অনুসরণ-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #1; আর অ্যান্টি-এআই কৌশল এর দুর্বলতম ক্ষেত্র, rank #16.

মডেলের তথ্য

গবেষণার তারিখ: 2026-08-12

আনুমানিক
প্যারামিটার
~50B মোট (~5B সক্রিয়)
আর্কিটেকচার
MoE
উপলভ্যতা
বন্ধ উৎস
লাইসেন্স
-

সর্বজনীন তথ্যপ্রমাণের ভিত্তিতে সেরা অনুমান; প্রদানকারী সব মান প্রকাশ করেনি।

প্যারামিটারের উৎস উপলভ্যতার উৎস

স্কোর

7.5

ধারাবাহিকতা

9.0

নির্ভরযোগ্যতা

9.4

মোট খরচ (বর্তমান মূল্য)

$0.140

মোট আউটপুট টোকেন

271,559

মোট ইনপুট টোকেন

313,368

ইনপুট মূল্য

$0.100 / 1M

আউটপুট মূল্য

$0.400 / 1M

ক্যাশ পড়ার মূল্য

প্রযোজ্য নয়

ক্যাশ লেখার মূল্য

প্রযোজ্য নয়

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।

সঠিক টেস্ট

ভুল টেস্ট: 11

প্রতি চেষ্টায় পাস রেট: 59.4%

অস্থির টেস্ট

3

অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।

প্রতিক্রিয়া সময় (গড়)

91.67s

প্রতিক্রিয়া সময় (সর্বোচ্চ): 301.78s

প্রতিক্রিয়া সময় (মোট): 1833.43s

ভুল উত্তর: 5 টাইমআউট: 4 নির্দেশনা অনুসরণ করা হয়নি: 1 কোন উত্তর নেই: 1

Hamster playing table tennis

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

#138 Seed-2.0-Mini

medium
খরচ
$0.002
সময়
161.7s
টোকেন
4,379 tok

রান ইতিহাস

পরীক্ষিত হয়েছে স্কোর নির্ভরযোগ্যতা সঠিক টেস্ট মোট খরচ তুলনা করুন
2026-10-01 02:41 পুনরায় পরীক্ষা 7.5 9.4 $0.140 বর্তমান রান
2026-07-16 23:23 নতুন টেস্ট যোগ হয়েছে 7.0 8.5 $0.101 তুলনা করুন
2026-06-04 14:36 নতুন টেস্ট যোগ হয়েছে 6.9 6.7 $0.044 তুলনা করুন
2026-05-22 00:44 স্যুইট পরিবর্তিত হয়েছে 7.1 5.0 $0.044 তুলনা করুন
2026-04-11 01:44 প্রথম নথিভুক্ত রান 7.5 প্রযোজ্য নয় $0.037 তুলনা করুন

এই রানটি ভিন্ন একটি বেঞ্চমার্ক স্যুইট ব্যবহার করেছে। ঐতিহাসিক পরিবর্তন পড়ার সময় স্যুইট পরিবর্তনও মাথায় রাখুন।

রান তুলনা

রানবেঞ্চমার্ক কভারেজস্কোরধারাবাহিকতানির্ভরযোগ্যতাসঠিক টেস্টঅস্থির টেস্টমোট আউটপুট টোকেনমোট ইনপুট টোকেনমোট খরচপ্রতিক্রিয়া সময় (গড়)
2026-10-01 02:41 · বর্তমান রান69/69 প্রচেষ্টা7.59.09.412/233271,559313,368$0.14091.67s
2026-04-11 01:44 · প্রথম নথিভুক্ত রান54/54 প্রচেষ্টা7.59.2প্রযোজ্য নয়11/18281,6570$0.03769.70s
পার্থক্য—0.0-0.2+1+1+189902+313368+$0.104+21974ms

বেঞ্চমার্ক কভারেজ আলাদা: 69/69 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি) বনাম 54/54 প্রচেষ্টা (লক্ষ্য: প্রতি টেস্টে 3টি পুনরাবৃত্তি)। মোট মান ও পুনরাবৃত্তি-সংবেদনশীল মেট্রিক সরাসরি তুলনাযোগ্য নয়।

এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।

চার্ট

প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

Seed-2.0-MinimediumvsGLM 5.1mediumSeed-2.0-MinimediumvsMistral Large 4highSeed-2.0-MinimediumvsSpace Bunny AlphahighSeed-2.0-MinimediumvsSeed-2.0-CodehighSeed-2.0-MinimediumvsQwen3.8 27Blowবিনামূল্যে উপলভ্যSeed-2.0-MinimediumvsGPT-5.6 LunamediumSeed-2.0-MinimediumvsGPT-6 LunalowSeed-2.0-MinimediumvsQwen3.6 FlashmediumSeed-2.0-MinimediumvsQwen3.8 Flash NextmediumSeed-2.0-MinimediumvsDeepSeek V4 Flash 0731low

বিভাগভিত্তিক বিশ্লেষণ

বিভাগ স্কোর ধারাবাহিকতা সঠিক টেস্ট
স্বায়ত্তশাসিত এজেন্টের কাজ 10.0 10.0
অ্যান্টি-এআই কৌশল 6.6 10.0
কোডিং 5.5 9.8
সমন্বিত 7.3 5.8
ডেটা পার্সিং ও নিষ্কাশন 10.0 10.0
ডোমেইন-নির্দিষ্ট 3.0 10.0
Sadharon Buddhimotta 5.1 3.4
নির্দেশনা অনুসরণ 10.0 10.0
ধাঁধা সমাধান 8.2 7.2
টুল কলিং 10.0 10.0
সাধারণ জ্ঞান 3.0 10.0

তুলনা করা মডেল