Résumé
Ling-2.6-flash obtient 5.4 sur AI BENCHY et se classe #84. Il affiche une fiabilité de N/D, un taux de réussite de 35.2%, un coût total de $0.000 et un temps de réponse moyen de 11.33s.
Ce qui rend Ling-2.6-flash unique : Il se distingue surtout en Programmation, où il se classe #1, tandis que Combiné est son point le plus faible avec #17. Son coût total de benchmark est inhabituellement bas pour son niveau de score.
Note d'identité
Elephant Alpha était la version furtive de Ling-2.6-flash.
Date de recherche : 2026-08-12
5.4
Cohérence
9.5
N/D
$0.000
Total des jetons de sortie
3,338
Total des jetons d'entrée
0
Prix d'entrée
$0.000 / 1M
Prix de sortie
$0.000 / 1M
Tests incorrects: 12
Taux de réussite par tentative: 35.2%
Couverture du benchmark: 52/54 tentatives
Tests instables
1
Les tests instables ont eu des résultats mixtes entre exécutions (au moins une réussite et un échec).
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Historique des runs
| Testé le | Score | Fiabilité | Tests corrects | Coût total | Comparer |
|---|---|---|---|---|---|
| 2026-08-14 03:06 Nouveau test | 4.9 | 9.6 | $0.002 ↑ | Comparer | |
| 2026-07-16 23:16 Nouveau test ajouté | 4.9 | 10.0 | $0.002 ↑ | Comparer | |
| 2026-06-04 14:30 Nouveau test ajouté | 5.0 | 10.0 | $0.001 ↑ | Comparer | |
| 2026-05-22 00:42 Suite modifiée | 5.3 | 10.0 | $0.001 | Comparer | |
| 2026-05-08 15:30 Suite modifiée | 5.3 | 10.0 | $0.001 | Comparer | |
| 2026-04-22 12:55 Première exécution enregistrée | 5.4 | N/D | $0.000 | Exécution actuelle |
Comparaison de runs
| Run | Couverture du benchmark | Score | Cohérence | Fiabilité | Tests corrects | Tests instables | Total des jetons de sortie | Total des jetons d'entrée | Coût total | Temps de réponse (moy.) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-22 12:55 · Première exécution enregistrée | 52/54 tentatives | 5.4 | 9.5 | N/D | 6/18 | 1 | 3,338 | 0 | $0.000 | 11.33s |
| 2026-07-16 23:16 · Nouveau test ajouté | 66/66 tentatives | 4.9 | 9.3 | 10.0 | 6/22 | 2 | 14,903 | 114,375 | $0.002 | 10.68s |
| Différence | — | +0.5 | +0.2 | 0 | -1 | -11565 | -114375 | -$0.002 | +651ms |
La couverture du benchmark diffère : 52/54 tentatives (Objectif : 3 répétitions par test) contre 66/66 tentatives (Objectif : 3 répétitions par test). Les totaux et les métriques sensibles aux répétitions ne sont pas directement comparables.
Ces deux runs ont utilisé des suites de benchmark différentes, donc les écarts reflètent à la fois les changements du modèle et ceux de la suite.
Choisissez d'abord le premier modèle, puis cliquez sur un second modèle pour ouvrir une page côte à côte.
| Catégorie | Score | Cohérence | Tests corrects |
|---|---|---|---|
| Astuces anti-IA | 6.5 | 10.0 | |
| Programmation | 10.0 | 10.0 | |
| Combiné | 3.0 | 10.0 | |
| Analyse et extraction des données | 6.5 | 10.0 | |
| Spécifique au domaine | 3.0 | 10.0 | |
| Intelligence générale | 4.1 | 10.0 | |
| Suivi des instructions | 9.8 | 10.0 | |
| Résolution d'énigmes | 2.9 | 7.2 | |
| Appel d'outils | 3.0 | 10.0 |