Resumen
Ling-2.6-flash obtiene 4.3 en AI BENCHY y ocupa el puesto #243. Tiene fiabilidad N/D, una tasa de aciertos de 28.8%, coste total de $0.000 y tiempo medio de respuesta de 1.27s.
Qué hace único a Ling-2.6-flash: Destaca más en Seguimiento de instrucciones, donde ocupa #1, mientras que Combinado es su área más débil con #8. Su coste total de benchmark es inusualmente bajo para su nivel de puntuación.
Modelo archivado: este modelo ya no se actualiza ni se prueba en pruebas nuevas.
Nota de identidad
Elephant Alpha fue la versión encubierta de Ling-2.6-flash.
Esta página muestra actualmente los datos de benchmark recopilados bajo Elephant Alpha.
Investigado el 2026-08-12
4.3
Consistencia
9.2
N/D
$0.000
Total de tokens de salida
2,596
Total de tokens de entrada
33,744
Precio de entrada
$0.000 / 1M
Precio de salida
$0.000 / 1M
Pruebas inestables
1
Pruebas inestables tuvieron resultados mixtos entre ejecuciones (al menos un acierto y un fallo).
Tiempo de respuesta (promedio)
1.27s
Tiempo de respuesta (máximo): 3.70s
Tiempo de respuesta (total): 22.82s
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historial de ejecuciones
| Probado el | Puntuación | Fiabilidad | Pruebas correctas | Costo total | Comparar |
|---|---|---|---|---|---|
| 2026-06-04 14:27 Prueba nueva añadida | 4.3 | N/D | $0.000 | Ejecución actual | |
| 2026-05-22 00:40 Suite modificada | 5.4 | N/D | $0.000 | Comparar | |
| 2026-04-22 12:55 Primera ejecución registrada | 5.2 | N/D | $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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-06-04 14:27 · Ejecución actual | 21/22 pruebas · 63/66 intentos | 4.3 | 9.2 | N/D | 6/21 | 1 | 2,596 | 33,744 | $0.000 | 1.27s |
| 2026-05-22 00:40 · Suite modificada | 20/20 pruebas · 60/60 intentos | 5.4 | 9.6 | N/D | 6/19 | 1 | 2,596 | 0 | $0.000 | 1.27s |
| Diferencia | — | -1.1 | -0.4 | -1 | 0 | 0 | +33744 | $0.000 | 0ms |
La cobertura del benchmark difiere: 21/21 pruebas · 63/63 intentos (Objetivo: 3 repeticiones por prueba) frente a 20/20 pruebas · 60/60 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 |
|---|---|---|---|
| Trucos anti-IA | 6.6 | 10.0 | |
| Programación | 3.7 | 7.8 | |
| Combinado | 1.5 | 5.0 | |
| Análisis y extracción de datos | 6.5 | 10.0 | |
| Específico del dominio | 3.0 | 10.0 | |
| Inteligencia general | 4.3 | 10.0 | |
| Seguimiento de instrucciones | 9.8 | 10.0 | |
| Resolución de acertijos | 5.3 | 10.0 | |
| Llamada de herramientas | 3.0 | 10.0 | |
| Cultura general | 3.0 | 10.0 |