সারাংশ
Hunter Alpha AI BENCHY-তে 5.7 স্কোর করে এবং #78 স্থানে আছে। এর reliability প্রযোজ্য নয়, pass rate 46.3%, মোট খরচ $0.000, এবং গড় response time 4.58s.
Hunter Alpha কে আলাদা করে যা: এটি ডোমেইন-নির্দিষ্ট-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #3; আর অ্যান্টি-এআই কৌশল এর দুর্বলতম ক্ষেত্র, rank #17. এই score range-এর জন্য মোট benchmark খরচ অস্বাভাবিকভাবে কম। একই ধরনের মডেলের তুলনায় এটি লক্ষণীয়ভাবে দ্রুত।
আর্কাইভড মডেল: এই মডেল আর আপডেট করা হবে না এবং নতুন টেস্টে পরীক্ষা করা হবে না।
পরিচয় নোট
Hunter Alpha ছিল Xiaomi: MiMo-V2-Pro-এর স্টেলথ সংস্করণ।
গবেষণার তারিখ: 2026-08-12
সর্বজনীন তথ্যপ্রমাণের ভিত্তিতে সেরা অনুমান; প্রদানকারী সব মান প্রকাশ করেনি।
5.7
ধারাবাহিকতা
8.2
প্রযোজ্য নয়
$0.000
মোট আউটপুট টোকেন
2,278
মোট ইনপুট টোকেন
0
ইনপুট মূল্য
$0.000 / 1M
আউটপুট মূল্য
$0.000 / 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।
অস্থির টেস্ট
4
অস্থির টেস্টে রানভেদে মিশ্র ফল হয়েছে (কমপক্ষে একটি পাস এবং একটি ফেল)।
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 14:09 পুনরায় পরীক্ষা | 4.2 | প্রযোজ্য নয় | $0.000 | তুলনা করুন | |
| 2026-05-06 14:09 পুনরায় পরীক্ষা | 4.2 | প্রযোজ্য নয় | $0.000 | তুলনা করুন | |
| 2026-05-06 14:09 পুনরায় পরীক্ষা | 5.7 | প্রযোজ্য নয় | $0.000 | তুলনা করুন | |
| 2026-05-06 14:09 পুনরায় পরীক্ষা | 5.7 | প্রযোজ্য নয় | $0.000 | তুলনা করুন | |
| 2026-05-06 14:09 পুনরায় পরীক্ষা | 5.7 | প্রযোজ্য নয় | $0.000 | তুলনা করুন | |
| 2026-05-06 14:09 স্যুইট পরিবর্তিত হয়েছে | 5.7 | প্রযোজ্য নয় | $0.000 | তুলনা করুন | |
| 2026-04-11 00:35 প্রথম নথিভুক্ত রান | 5.7 | প্রযোজ্য নয় | $0.000 | বর্তমান রান |
রান তুলনা
| রান | বেঞ্চমার্ক কভারেজ | স্কোর | ধারাবাহিকতা | নির্ভরযোগ্যতা | সঠিক টেস্ট | অস্থির টেস্ট | মোট আউটপুট টোকেন | মোট ইনপুট টোকেন | মোট খরচ | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 00:35 · প্রথম নথিভুক্ত রান | 52/54 প্রচেষ্টা | 5.7 | 8.2 | প্রযোজ্য নয় | 6/18 | 4 | 2,278 | 0 | $0.000 | 4.58s |
| 2026-05-06 14:09 · স্যুইট পরিবর্তিত হয়েছে | 52/54 প্রচেষ্টা | 5.7 | 8.2 | প্রযোজ্য নয় | 6/18 | 4 | 2,278 | 0 | $0.000 | 4.58s |
| পার্থক্য | — | 0.0 | 0.0 | 0 | 0 | 0 | 0 | $0.000 | 0ms |
এই দুই রান ভিন্ন বেঞ্চমার্ক স্যুইট ব্যবহার করেছে, তাই পার্থক্যগুলোতে মডেল পরিবর্তন এবং স্যুইট পরিবর্তন দুটোই ধরা পড়ে।
প্রথম মডেলটি নির্বাচন করুন, তারপর দ্বিতীয় মডেলে ক্লিক করে পাশাপাশি তুলনা পৃষ্ঠা খুলুন।
| বিভাগ | স্কোর | ধারাবাহিকতা | সঠিক টেস্ট |
|---|---|---|---|
| অ্যান্টি-এআই কৌশল | 3.5 | 8.0 | |
| কোডিং | 3.0 | 10.0 | |
| সমন্বিত | 3.0 | 10.0 | |
| ডেটা পার্সিং ও নিষ্কাশন | 10.0 | 10.0 | |
| ডোমেইন-নির্দিষ্ট | 5.3 | 10.0 | |
| Sadharon Buddhimotta | 6.1 | 3.1 | |
| নির্দেশনা অনুসরণ | 6.4 | 10.0 | |
| ধাঁধা সমাধান | 5.8 | 4.4 | |
| টুল কলিং | 10.0 | 10.0 |