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

Claude Fable 5.1 (low) vs Beam 1.0 501B A23B (high)

Claude Fable 5.1 (low) average score में आगे है: 6.2 vs 6.1. Beam 1.0 501B A23B (high) की benchmark लागत कम है: $0.674 vs $3.395. Beam 1.0 501B A23B (high) तेज है: 9.03s vs 11.40s, pass rates 55.1% vs 59.4%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-17

तुलना किए गए मॉडल

रैंक
#264
कुल आउटपुट टोकन
26,073
प्रतिक्रिया समय (औसत)
11.40s
कुल लागत
$3.395
रैंक
#266
कुल आउटपुट टोकन
147,207
प्रतिक्रिया समय (औसत)
9.03s
कुल लागत
$0.674
अनुशंसित मॉडल Beam 1.0 501B A23B (high)

Its score stays close to the best score here (6.1 vs 6.2), while costing about 5.0x less than Claude Fable 5.1 (low).

विस्तृत तुलना

मेट्रिक Claude Fable 5.1 Claude Fable 5.1 low रिलीज़: 2026-09-02 Beam 1.0 501B A23B Beam 1.0 501B A23B high रिलीज़: 2026-10-17
स्कोर 6.2 6.1
रैंक #264 #266
विश्वसनीयता 10.0 10.0
संगति 8.9 8.3
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 55.1% 59.4%
अस्थिर टेस्ट 3 5
कुल रन 69 69
प्रति परिणाम लागत 30.862 6.126
कुल लागत $3.395 $0.674
इनपुट कीमत $10.000 / 1M $1.000 / 1M
आउटपुट कीमत $50.000 / 1M $3.000 / 1M
कैश पढ़ने की कीमत $0.250 / 1M $0.100 / 1M
कैश लिखने की कीमत $12.500 / 1M लागू नहीं
कुल इनपुट टोकन 209,116 232,218
आउटपुट टोकन 10,031 4,944
रीजनिंग टोकन 16,042 142,263
प्रतिक्रिया समय (औसत) 11.40s 9.03s
प्रतिक्रिया समय (अधिकतम) 34.77s 36.04s
प्रतिक्रिया समय (कुल) 262.14s 207.67s
पैरामीटर ~9.5T कुल (~878B सक्रिय) 501B कुल (23B सक्रिय)
उपलब्धता बंद स्रोत मुक्त स्रोत

कैश की कीमतें इनपुट टोकन पर लागू होती हैं। पढ़ने पर कैश किए गए प्रॉम्प्ट का दोबारा उपयोग होता है; लिखने पर वे सहेजे जाते हैं और अतिरिक्त लागत हो सकती है। आउटपुट टोकन पर आउटपुट की कीमत लागू होती है।

मॉडल जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#264 Claude Fable 5.1

low
लागत
$0.126
समय
28.5s
टोकन
2,652 tok

#266 Beam 1.0 501B A23B

high
लागत
$0.008
समय
15.6s
टोकन
6,162 tok

स्कोर के अनुसार शीर्ष मॉडल

स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

श्रेणी विवरण

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Claude Fable 5.1 3.4 10.0 0.0% 0 6.75s 10,608 1,753 0
Beam 1.0 501B A23B 8.4 7.4 88.9% 1 21.05s 7,800 559 44,608

तुलना जोड़ी बदलें