Zusammenfassung
Ling-2.6-flash erreicht 4.3 bei AI BENCHY und liegt auf #243. Das Modell hat k. A. Zuverlässigkeit, 28.8% Erfolgsrate, $0.000 Gesamtkosten und 1.27s durchschnittliche Antwortzeit.
Was Ling-2.6-flash besonders macht: Am stärksten ist es in Befolgung von Anweisungen, wo es #1 erreicht; am schwächsten ist Kombiniert mit #8. Die Benchmark-Gesamtkosten sind für diese Leistungsklasse ungewöhnlich niedrig.
Archiviertes Modell: Dieses Modell wird nicht mehr aktualisiert und nicht mehr in neuen Tests getestet.
Identitätshinweis
Elephant Alpha war die Tarnversion von Ling-2.6-flash.
Diese Seite zeigt derzeit die Benchmark-Daten, die unter Elephant Alpha erfasst wurden.
Recherchiert am 2026-08-12
4.3
Konsistenz
9.2
k. A.
Gesamte Ausgabe-Token
2,596
Gesamte Eingabe-Token
33,744
Eingabepreis
$0.000 / 1M
Ausgabepreis
$0.000 / 1M
Instabile Tests
1
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-06-04 14:27 Neuer Test hinzugefügt | 4.3 | k. A. | $0.000 | Aktueller Lauf | |
| 2026-05-22 00:40 Suite geändert | 5.4 | k. A. | $0.000 | Vergleichen | |
| 2026-04-22 12:55 Erster erfasster Lauf | 5.2 | k. A. | $0.000 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Benchmark-Abdeckung | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-06-04 14:27 · Aktueller Lauf | 21/22 Tests · 63/66 Versuche | 4.3 | 9.2 | k. A. | 6/21 | 1 | 2,596 | 33,744 | $0.000 | 1.27s |
| 2026-05-22 00:40 · Suite geändert | 20/20 Tests · 60/60 Versuche | 5.4 | 9.6 | k. A. | 6/19 | 1 | 2,596 | 0 | $0.000 | 1.27s |
| Differenz | — | -1.1 | -0.4 | -1 | 0 | 0 | +33744 | $0.000 | 0ms |
Die Benchmark-Abdeckung unterscheidet sich: 21/21 Tests · 63/63 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 20/20 Tests · 60/60 Versuche (Ziel: 3 Wiederholungen pro Test). Summen und wiederholungsabhängige Metriken sind nicht direkt vergleichbar.
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Anti-KI-Tricks | 6.6 | 10.0 | |
| Programmierung | 3.7 | 7.8 | |
| Kombiniert | 1.5 | 5.0 | |
| Datenanalyse und -extraktion | 6.5 | 10.0 | |
| Domänenspezifisch | 3.0 | 10.0 | |
| Allgemeine Intelligenz | 4.3 | 10.0 | |
| Befolgung von Anweisungen | 9.8 | 10.0 | |
| Rätsellösen | 5.3 | 10.0 | |
| Werkzeugaufrufe | 3.0 | 10.0 | |
| Allgemeinwissen | 3.0 | 10.0 |