#378 North Mini Code
default- Coste
- $0.000
- Tiempo
- 266.1s
- Tokens
- 63,551 tok
Resumen
North Mini Code obtiene 4.7 en AI BENCHY y ocupa el puesto #378. Tiene fiabilidad 8.9, una tasa de aciertos de 17.4%, coste total de $0.000 y tiempo medio de respuesta de 29.47s.
Qué hace único a North Mini Code: Su coste total de benchmark es inusualmente bajo para su nivel de puntuación.
Investigado el 2026-08-12
4.7
Consistencia
9.9
8.9
$0.000
Total de tokens de salida
26,954
Total de tokens de entrada
177,989
Precio de entrada
$0.000 / 1M
Precio de salida
$0.000 / 1M
Precio de lectura de caché
N/D
Precio de escritura de caché
N/D
Los precios de caché se aplican a los tokens de entrada. Las lecturas reutilizan instrucciones guardadas; las escrituras las almacenan y pueden costar más. Los tokens de salida usan el precio de salida.
Pruebas incorrectas: 19
Tasa de aciertos por intento: 17.4%
Cobertura del benchmark: 63/69 intentos (Objetivo: 3 repeticiones por prueba)
Pruebas inestables
0
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
29.47s
Tiempo de respuesta (máximo): 159.85s
Tiempo de respuesta (total): 677.70s
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-10-01 02:59 Nueva prueba | 4.7 | 8.9 | $0.000 | Ejecución actual | |
| 2026-07-16 23:19 Prueba nueva añadida | 5.1 | 8.7 | $0.000 | Comparar | |
| 2026-06-18 09:42 Primera ejecución | 5.1 | 8.5 | $0.000 | Comparar |
Esta ejecución usó una suite de benchmark diferente. Ten en cuenta los cambios de suite al interpretar la evolución histórica.
Comparación de ejecuciones
| Ejecución | Cobertura del benchmark | Puntuación | Consistencia | Fiabilidad | Pruebas correctas | Pruebas inestables | Total de tokens de salida | Total de tokens de entrada | Costo total | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 02:59 · Ejecución actual | 63/69 intentos | 4.7 | 9.9 | 8.9 | 4/23 | 0 | 26,954 | 177,989 | $0.000 | 29.47s |
| 2026-07-16 23:19 · Prueba nueva añadida | 60/66 intentos | 5.1 | 9.9 | 8.7 | 4/22 | 0 | 26,786 | 130,492 | $0.000 | 29.95s |
| Diferencia | — | -0.4 | 0.0 | +0.2 | 0 | 0 | +168 | +47497 | $0.000 | -481ms |
La cobertura del benchmark difiere: 63/69 intentos (Objetivo: 3 repeticiones por prueba) frente a 60/66 intentos (Objetivo: 3 repeticiones por prueba). Los totales y las métricas sensibles a las repeticiones no son directamente comparables.
Estas dos ejecuciones usaron suites de benchmark distintas, así que las diferencias reflejan tanto cambios del modelo como de la suite.
Elige el primer modelo y luego haz clic en un segundo modelo para abrir una página lado a lado.
| Categoría | Puntuación | Consistencia | Pruebas correctas |
|---|---|---|---|
| Tareas de agentes | 3.0 | 10.0 | |
| Trucos anti-IA | 3.0 | 10.0 | |
| Programación | 3.9 | 10.0 | |
| Combinado | 3.2 | 9.3 | |
| Análisis y extracción de datos | 10.0 | 10.0 | |
| Específico del dominio | 3.0 | 10.0 | |
| Inteligencia general | 3.9 | 9.6 | |
| Seguimiento de instrucciones | 6.5 | 10.0 | |
| Resolución de acertijos | 3.5 | 10.0 | |
| Llamada de herramientas | 9.5 | 10.0 | |
| Cultura general | 3.0 | 10.0 |