AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#253

Hy4 preview

Tencent প্রকাশ: 2026-08-29 পরীক্ষিত হয়েছে: 2026-08-29 16:06 tencent/hy4-preview::none
770B মোট (49B সক্রিয়)MoEউন্মুক্ত উৎস
(low) (none)

সারাংশ

Hy4 preview AI BENCHY-তে 4.8 স্কোর করে এবং #253 স্থানে আছে। এর reliability 4.3, pass rate 16.7%, মোট খরচ $0.041, এবং গড় response time 39.24s.

Hy4 preview কে আলাদা করে যা: এটি ডোমেইন-নির্দিষ্ট-তে সবচেয়ে ভালোভাবে নজর কাড়ে, যেখানে এর rank #1; আর অ্যান্টি-এআই কৌশল এর দুর্বলতম ক্ষেত্র, rank #12.

মডেলের তথ্য

গবেষণার তারিখ: 2026-08-29

প্রকাশিত
প্যারামিটার
770B মোট (49B সক্রিয়)
আর্কিটেকচার
MoE
উপলভ্যতা
উন্মুক্ত উৎস
লাইসেন্স
Apache-2.0

ধারাবাহিকতা

9.3

মোট আউটপুট টোকেন

7,306

মোট ইনপুট টোকেন

26,376

ইনপুট মূল্য

$0.834 / 1M

আউটপুট মূল্য

$2.501 / 1M

সঠিক টেস্ট

ভুল টেস্ট: 19

প্রতি চেষ্টায় পাস রেট: 16.7%

অস্থির টেস্ট

1

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

প্রতিক্রিয়া সময় (গড়)

39.24s

প্রতিক্রিয়া সময় (সর্বোচ্চ): 95.32s

প্রতিক্রিয়া সময় (মোট): 863.30s

Hamster playing table tennis

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

#253 Hy4 preview

none
This operation was aborted
খরচ
$0.000
সময়
0.0s
টোকেন
0 tok

রান ইতিহাস

পরীক্ষিত হয়েছে স্কোর নির্ভরযোগ্যতা সঠিক টেস্ট মোট খরচ তুলনা করুন
2026-08-29 15:55 পুনরায় পরীক্ষা 4.7 3.0 $0.040 বর্তমান রান
2026-08-29 14:22 প্রথম রান 4.1 1.3 $0.035 তুলনা করুন

চার্ট

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

মোট আউটপুট টোকেন

স্কোর vs মোট আউটপুট টোকেন

দ্রুত তুলনা

বিভাগভিত্তিক বিশ্লেষণ

বিভাগ স্কোর ধারাবাহিকতা সঠিক টেস্ট
অ্যান্টি-এআই কৌশল 3.3 9.6
কোডিং 3.8 9.4
সমন্বিত 3.0 10.0
ডেটা পার্সিং ও নিষ্কাশন 8.7 10.0
ডোমেইন-নির্দিষ্ট 6.8 10.0
Sadharon Buddhimotta 5.1 10.0
নির্দেশনা অনুসরণ 7.0 8.9
ধাঁধা সমাধান 4.6 7.0
টুল কলিং 3.0 10.0
সাধারণ জ্ঞান 3.0 10.0

তুলনা করা মডেল