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

परिवर्तन लॉग

उत्पाद और बेंचमार्क अपडेट का एक सरल लॉग, तारीख के अनुसार समूहित। हम इसका उपयोग नए परीक्षण किए गए मॉडल, री-टेस्ट, बेंचमार्क बदलाव और शिप किए गए UX/उत्पाद कार्य को दर्ज करने के लिए करते हैं।

2026-10-19

2026-10-16

  • नए परीक्षण किए गए मॉडल: Nimble v3 9B

2026-10-08

  • UX: तुलना अनुभागों के शीर्षकों से उनके लिंक कॉपी करें। साझा लिंक चुना गया शोकेस बनाए रखते हैं और संबंधित अनुभाग तक स्क्रॉल करते हैं।

2026-10-07

  • नए परीक्षण किए गए मॉडल: GPT-6 Luna Decisions, Decider V1.1 27B, Claude Haiku 5.5
  • नए टेस्ट जोड़े गए: रसायन निर्णय परीक्षण जोड़ा: 20 विकल्पों में से 12 सूत्रों में लुप्त तत्व पहचानें।
  • UX: निर्णय रैंकिंग अब मुख्य लीडरबोर्ड वाली तालिका, खोज, फ़िल्टर, क्रम और पंक्ति विवरण का उपयोग करती है।

2026-10-06

  • नए परीक्षण किए गए मॉडल: Mistral Large 4

2026-10-05

2026-10-03

  • नए परीक्षण किए गए मॉडल: Ling 3.1 Flash

2026-10-02

2026-10-01

  • नए परीक्षण किए गए मॉडल: Tev1 4B Experimental, Solar Decide
  • नए टेस्ट जोड़े गए: चार निर्णय परीक्षण, अलग रैंकिंग और मार्गदर्शिका जोड़ी। Jev, Kev, Tev1 और Solar Decide के तीन दोहराव किए।
  • नई सुविधा: मॉडल पृष्ठ स्कोर, लागत और गति के अंतर सहित तीन तक कुशल विकल्प सुझाते हैं।
  • नए टेस्ट जोड़े गए: Agentic परीक्षण 23 जोड़ा गया: पृष्ठभूमि कार्यों और टूल से ऊर्जा रिपोर्ट सुधारें, जाँचें और अंतिम रूप दें। श्रेणी का भार: 4×।
  • नई सुविधा: मॉडल पृष्ठों, तुलनाओं और मूल्य इतिहास में अब कैश पढ़ने और लिखने की कीमतें दिखाई जाती हैं।

2026-09-28

  • नए परीक्षण किए गए मॉडल: Ember-1, Kev 4B

2026-09-24

2026-09-18

  • नए परीक्षण किए गए मॉडल: Jev 1.13, Pareto

2026-09-08

  • नए परीक्षण किए गए मॉडल: Mercury 2.5
  • नई सुविधा: हल्के मोड में कागज़ जैसा रूप और गहरे मोड में ग्रेफाइट जैसे रंग। तुलना के शीर्षक कम जगह लेते हैं, मॉडल चुनने के नियंत्रण स्पष्ट हैं और मोबाइल पर सुझाव भी कम जगह लेते हैं।
  • बग फिक्स: मेनू के लेबल एक-दूसरे पर आने और ड्रॉपडाउन कटने की समस्याएँ ठीक की गईं।

2026-09-07

  • नई सुविधा: पूरी साइट पर अधिक स्पष्ट अक्षर शैली, एक जैसे नियंत्रण और हल्के व गहरे रंगों वाली अधिक सहज थीम लागू की गई हैं। मॉडल खोज, तुलना के नियंत्रण और मोबाइल पर मेट्रिक कार्ड पहले की तरह उपलब्ध हैं।
  • नए परीक्षण किए गए मॉडल: Qwen3.8 Max (0902)

2026-09-05

  • नई सुविधा: SVG उदाहरणों को चित्र के रूप में कॉपी करें या वॉटरमार्क वाले PNG डाउनलोड करें। पूर्वावलोकन में अब मॉडल रैंक दिखती है।
  • बग फिक्स: मान्य SVG उदाहरण बहाल किए गए और टाइमआउट त्रुटियाँ स्पष्ट की गईं।

2026-09-04

  • नए परीक्षण किए गए मॉडल: GPT-6 Astra

2026-08-29

  • नए परीक्षण किए गए मॉडल: Hy4 preview

2026-08-26

  • नए परीक्षण किए गए मॉडल: GLM 5.3 Flash

2026-08-20

  • नए परीक्षण किए गए मॉडल: GLM 5.3

2026-08-15

  • नई सुविधा: dots-studio/dots-3-note-preview:free उपलब्धता और रीजनिंग मोड की त्वरित जाँच के लिए Dots3-Note Preview (मुफ़्त) जोड़ा गया।
  • नई सुविधा: स्थानीय रन अब लागत और मूल्य तुलना में RTX 3090 की अनुमानित बिजली लागत का उपयोग करते हैं।

2026-08-14

  • नए परीक्षण किए गए मॉडल: Gemini 3.7 Flash, Qwen3.8 27B
  • नई सुविधा: Ollama के साथ स्थानीय बेंचमार्क निष्पादन, प्रदाता की जानकारी, बिना मूल्य वाली स्थानीय कंप्यूटिंग का सही प्रबंधन और स्पष्ट स्थानीय रन टैग जोड़े गए।

2026-08-12

  • नए परीक्षण किए गए मॉडल: Seed 2.1 Turbo, Qwen3.8 2.4T A95B, Seed-2.0-Code, Grok 4.6
  • नई सुविधा: स्रोत-सहित पैरामीटर संख्या, सक्रिय MoE पैरामीटर, मॉडल उपलब्धता और आर्किटेक्चर की जानकारी मॉडल तथा तुलना पृष्ठों पर जोड़ी गई, साथ ही लीडरबोर्ड के नए फ़िल्टर भी जोड़े गए।

2026-08-08

  • नए परीक्षण किए गए मॉडल: Ling 3.0 Tiny

2026-08-06

  • नए परीक्षण किए गए मॉडल: Muse Spark 1.2

2026-08-04

  • नए परीक्षण किए गए मॉडल: Qwen3.8 MAX

2026-08-02

  • नई सुविधा: Model pages now show benchmark-suite coverage so incomplete results are clear at a glance.

2026-07-28

  • नए परीक्षण किए गए मॉडल: Trinity Large Thinking, Qwen3.7 Flash
  • नई सुविधा: Added site-wide Spotlight Search with keyboard navigation and a shortcut for finding pages, models, and comparisons.

2026-07-26

  • नई सुविधा: Added editorial model recommendations for affordable, intelligent, and fast choices.
  • UX: Comparison pages now use draggable model summary cards with clearer model selection and ordering.

2026-07-25

  • नए परीक्षण किए गए मॉडल: Claude Opus 5

2026-07-24

  • नए परीक्षण किए गए मॉडल: Ling 3.0 Flash

2026-07-22

  • नए परीक्षण किए गए मॉडल: Laguna S 2.1

2026-07-20

  • नए परीक्षण किए गए मॉडल: LongCat 2.0

2026-07-18

  • नए परीक्षण किए गए मॉडल: Inkling

2026-07-17

  • नए टेस्ट जोड़े गए: Added an executable JavaScript tool-calling benchmark with reference-case validation.

2026-07-16

  • नए परीक्षण किए गए मॉडल: Muse Spark 1.1, Kimi K3
  • नई सुविधा: The benchmark runner now supports executable tools with validated tool-call schemas and sandboxed execution.

2026-07-03

  • नई सुविधा: Launched AI World Cup, where benchmarked models generate football strategies and compete in simulated matches.

2026-07-02

  • नए परीक्षण किए गए मॉडल: Laguna XS 2.1

2026-06-30

  • नए परीक्षण किए गए मॉडल: Claude Sonnet 5

2026-06-18

  • नए परीक्षण किए गए मॉडल: North Mini Code

2026-06-17

  • नए परीक्षण किए गए मॉडल: GLM 5.2
  • बग फिक्स: Adjusted missing-test handling so models are not scored as if unavailable tests were valid wrong answers.
  • UX: Leaderboard search now supports comma-separated model queries, so searches like "deepseek, glm" show matches for either model family.

2026-06-16

  • नई सुविधा: Added cost sorting and filtering across leaderboard and category views.

2026-06-12

  • नए परीक्षण किए गए मॉडल: Kimi K2.7 Code
  • नई सुविधा: Updated scoring to use per-category bias adjustments, so category-level differences are normalized before they roll into leaderboard results.

2026-06-10

  • नए परीक्षण किए गए मॉडल: Claude Fable 5

2026-06-06

  • नई सुविधा: Model showcases now support shareable lightbox views, filtering, and score details.

2026-06-05

  • नई सुविधा: Added model-generated visual showcases to model and comparison pages.
  • नई सुविधा: Added multi-model comparison pages with model recommendations and category-based ranking.

2026-06-04

  • नए परीक्षण किए गए मॉडल: Nemotron 3 Ultra
  • नए टेस्ट जोड़े गए: Added a coding benchmark with executable reference cases.

2026-06-03

  • नए परीक्षण किए गए मॉडल: Qwen3.7 Plus

2026-06-01

  • नए परीक्षण किए गए मॉडल: MiniMax M3

2026-05-29

  • नए परीक्षण किए गए मॉडल: Step 3.7 Flash

2026-05-28

  • नए परीक्षण किए गए मॉडल: Claude Opus 4.8

2026-05-27

  • नई सुविधा: Added current-price cost calculations while preserving original tested-at pricing for auditability.

2026-05-22

  • नए परीक्षण किए गए मॉडल: Qwen3.7 Max
  • नए टेस्ट जोड़े गए: C++ समाधानों में बग खोजने पर केंद्रित एक नई Coding परीक्षण श्रेणी जोड़ी गई।

2026-05-21

  • नए परीक्षण किए गए मॉडल: Grok Build 0.1
  • नए टेस्ट जोड़े गए: Added a new benchmark test and improved answer judging.
  • बग फिक्स: प्रदाता सत्यापन द्वारा reasoning आवश्यक होने के बाद xAI Grok Build 0.1 का असमर्थित no-reasoning वैरिएंट हटा दिया गया।

2026-05-20

2026-05-10

  • नए परीक्षण किए गए मॉडल: Ring 2.6 1t

2026-05-08

  • नए टेस्ट जोड़े गए: Added a new benchmark test to expand suite coverage.
  • बग फिक्स: Reasoning chips and compare labels now recognize the minimal reasoning variant instead of falling back to auto.
  • UX: Model pages now order sibling reasoning-variant chips from highest effort to lowest.

2026-05-06

  • नए परीक्षण किए गए मॉडल: Cobuddy

2026-04-30

  • नए परीक्षण किए गए मॉडल: Owl Alpha

2026-04-26

  • UX: मोबाइल तुलना ड्रॉपडाउन की स्थिति सुधारी गई, मॉडल पेज लेआउट को अधिक सघन किया गया, और रन इतिहास को प्रति-मॉडल शार्ड में बांटा गया ताकि पेज कम ऐतिहासिक डेटा लोड करें।
  • बग फिक्स: रन इतिहास अब समान suite के लगभग-डुप्लिकेट री-टेस्ट को समूहित करता है और मॉडल पेजों पर सभी सार्वजनिक रन को सीधे तुलना तालिका में दिखाता है।

2026-04-25

  • नई सुविधा: विश्वसनीयता स्कोर टेलीमेट्री जोड़ी गई ताकि लक्ष्य API और रेट-लिमिट विफलताओं को गलत उत्तरों से अलग ट्रैक किया जा सके।

2026-04-24

  • नए परीक्षण किए गए मॉडल: DeepSeek V4 Flash 0423, DeepSeek V4 Pro 0423, GPT-5.5
  • बग फिक्स: Changelog ke model links ab canonical live model pages par resolve hote hain, aur model pages ab reasoning variants ke beech bhi link karti hain.

2026-04-23

  • नए परीक्षण किए गए मॉडल: Ling 2.6 1t, Hy3 preview
  • नई सुविधा: रन इतिहास - मॉडल पेज अब ऐतिहासिक सार्वजनिक रन और एक side-by-side run comparison तालिका दिखाते हैं। (उदाहरण मॉडल पेज)
  • UX: लीडरबोर्ड अब URL-आधारित pagination, filters और ranking list से direct compare actions को support करता है।
  • बग फिक्स: होमपेज खोज, filter counts और pagination state अब पूरे dataset में एकसमान रहती है।
  • री-टेस्ट: GLM 5.1 इस मॉडल के लिए पूरी benchmark suite दोबारा चलाई गई और public run-history snapshot साफ़ किया गया।
  • बग फिक्स: जिन मॉडलों का वास्तव में retest नहीं हुआ, उन्हें नया tested_at timestamp मिलने से रोका गया।

2026-04-20

  • नए परीक्षण किए गए मॉडल: Kimi K2.6

2026-04-16

  • नए परीक्षण किए गए मॉडल: Claude Opus 4.7

2026-04-14

  • नए परीक्षण किए गए मॉडल: Ling-2.6-flash

2026-04-11

  • नए परीक्षण किए गए मॉडल: GLM 5.1

2026-04-04

  • नए परीक्षण किए गए मॉडल: Gemma 4 26B A4B

2026-03-21

  • नए परीक्षण किए गए मॉडल: Mimo V2 Omni

2026-03-20

  • नए परीक्षण किए गए मॉडल: Mimo V2 PRO

2026-03-18

  • नए परीक्षण किए गए मॉडल: MiniMax M2.7
  • नई सुविधा: Added input and output pricing metrics to model and comparison pages.

2026-03-15

  • नए परीक्षण किए गए मॉडल: GLM 5 Turbo

2026-03-06

  • नई सुविधा: Added the Methodology section and expanded charts with latency, cost, token, and model-switching views.

2026-03-05

  • नए परीक्षण किए गए मॉडल: Mercury 2, GPT-5.4

2026-03-04

  • नए परीक्षण किए गए मॉडल: GPT-5.2 Chat, GPT 5.3 Chat
  • नई सुविधा: Added interactive comparison charts for direct model analysis.
  • नए टेस्ट जोड़े गए: Added a VAT compliance micro-audit benchmark with structured tool requirements.

2026-03-02

  • नई सुविधा: Added share actions with copyable links across model and comparison pages.

2026-02-27

  • नए परीक्षण किए गए मॉडल: Seed-2.0-Mini
  • नई सुविधा: Added reasoning-quality and consistency charts to model comparisons.

2026-02-24

  • नए परीक्षण किए गए मॉडल: GPT-5.3-Codex

2026-02-17

चेंजलॉग पेज बनाया गया

यह चेंजलॉग लॉन्च के बाद शुरू हुआ, इसलिए कुछ पुराने अपडेट यहाँ नहीं हैं।