#150 LiquidAI: LFM2-24B-A2B
none
অবৈধ SVG
- খরচ
- $0.000
- সময়
- 300.0s
- টোকেন
- 0 tok
Liquid
প্রকাশ: 2026-02-24
পরীক্ষিত হয়েছে: 2026-05-06 14:04
liquid/lfm-2-24b-a2b::none
সারাংশ
LFM2-24B-A2B AI BENCHY-তে 4.2 স্কোর করে এবং #150 স্থানে আছে। এর reliability প্রযোজ্য নয়, pass rate 18.8%, মোট খরচ $0.001, এবং গড় response time 811ms.
LFM2-24B-A2B কে আলাদা করে যা: এটি ডোমেইন-নির্দিষ্ট-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #1; আর ডেটা পার্সিং ও নিষ্কাশন এর দুর্বলতম ক্ষেত্র, rank #15. এই score range-এর জন্য মোট benchmark খরচ অস্বাভাবিকভাবে কম।
আর্কাইভড মডেল: এই মডেল আর আপডেট করা হবে না এবং নতুন টেস্টে পরীক্ষা করা হবে না।
4.2
ধারাবাহিকতা
9.0
প্রযোজ্য নয়
$0.001
মোট আউটপুট টোকেন
1,185
মোট ইনপুট টোকেন
0
ইনপুট মূল্য
$0.030 / 1M
আউটপুট মূল্য
$0.120 / 1M
অস্থির টেস্ট
2
অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।
জেনারেশন শোকেস
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
রান ইতিহাস
| পরীক্ষিত হয়েছে | স্কোর | নির্ভরযোগ্যতা | সঠিক টেস্ট | মোট খরচ | তুলনা করুন |
|---|---|---|---|---|---|
| 2026-05-06 14:04 পুনরায় পরীক্ষা | 4.2 | প্রযোজ্য নয় | $0.001 | তুলনা করুন | |
| 2026-05-06 14:04 পুনরায় পরীক্ষা | 4.2 | প্রযোজ্য নয় | $0.001 | তুলনা করুন | |
| 2026-05-06 14:04 স্যুইট পরিবর্তিত হয়েছে | 4.2 | প্রযোজ্য নয় | $0.001 | বর্তমান রান | |
| 2026-04-10 23:27 প্রথম নথিভুক্ত রান | 4.1 | প্রযোজ্য নয় | $0.001 | তুলনা করুন |
এই রানটি ভিন্ন একটি বেঞ্চমার্ক স্যুইট ব্যবহার করেছে। ঐতিহাসিক পরিবর্তন পড়ার সময় স্যুইট পরিবর্তনও মাথায় রাখুন।
রান তুলনা
| রান | স্কোর | ধারাবাহিকতা | নির্ভরযোগ্যতা | সঠিক টেস্ট | অস্থির টেস্ট | মোট আউটপুট টোকেন | মোট ইনপুট টোকেন | মোট খরচ | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:04 · স্যুইট পরিবর্তিত হয়েছে | 4.2 | 9.0 | প্রযোজ্য নয় | 2/16 | 2 | 1,185 | 0 | $0.001 | 811ms |
| 2026-04-10 23:27 · প্রথম নথিভুক্ত রান | 4.1 | 9.0 | প্রযোজ্য নয় | 1/16 | 2 | 1,185 | 0 | $0.001 | 811ms |
| পার্থক্য | +0.1 | 0.0 | +1 | 0 | 0 | 0 | $0.000 | 0ms |
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।
স্কোর অনুযায়ী শীর্ষ মডেল
স্কোর vs মোট খরচ
প্রতিক্রিয়া সময় (গড়)
স্কোর vs প্রতিক্রিয়া সময় (গড়)
মোট আউটপুট টোকেন
স্কোর vs মোট আউটপুট টোকেন
দ্রুত তুলনা
বিভাগভিত্তিক বিশ্লেষণ
| বিভাগ | স্কোর | ধারাবাহিকতা | সঠিক টেস্ট |
|---|---|---|---|
| অ্যান্টি-এআই কৌশল | 3.3 | 9.8 | |
| সমন্বিত | 3.0 | 10.0 | |
| ডেটা পার্সিং ও নিষ্কাশন | 3.0 | 10.0 | |
| ডোমেইন-নির্দিষ্ট | 5.9 | 7.2 | |
| Sadharon Buddhimotta | 4.0 | 10.0 | |
| নির্দেশনা অনুসরণ | 6.3 | 10.0 | |
| ধাঁধা সমাধান | 3.7 | 7.7 | |
| টুল কলিং | 3.0 | 10.0 |