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

Seed-2.0-Code (high) vs GPT-5.6 Luna (medium)

Seed-2.0-Code (high) average score में आगे है: 7.5 vs 7.4. GPT-5.6 Luna (medium) की benchmark लागत कम है: $0.065 vs $1.448. GPT-5.6 Luna (medium) तेज है: 9.64s vs 124.87s, pass rates 65.2% vs 62.3%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-11-13

तुलना किए गए मॉडल

रैंक
#188
कुल आउटपुट टोकन
432,850
प्रतिक्रिया समय (औसत)
124.87s
कुल लागत
$1.448
रैंक
#189
कुल आउटपुट टोकन
47,986
प्रतिक्रिया समय (औसत)
9.64s
कुल लागत
$0.065
अनुशंसित मॉडल GPT-5.6 Luna (medium)

Its score stays close to the best score here (7.4 vs 7.5), while costing about 22.5x less than Seed-2.0-Code (high).

विस्तृत तुलना

मेट्रिक Seed-2.0-Code Seed-2.0-Code high रिलीज़: 2026-08-12 GPT-5.6 Luna GPT-5.6 Luna medium रिलीज़: 2026-07-09
स्कोर 7.5 7.4
रैंक #188 #189
विश्वसनीयता 9.0 10.0
संगति 7.9 9.0
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 65.2% 62.3%
अस्थिर टेस्ट 5 3
कुल रन 69 69
प्रति परिणाम लागत 12.061 2.822
कुल लागत $1.448 $0.065
इनपुट कीमत $0.500 / 1M $0.200 / 1M
आउटपुट कीमत $3.000 / 1M $1.200 / 1M
कैश पढ़ने की कीमत लागू नहीं $0.020 / 1M
कैश लिखने की कीमत लागू नहीं $0.250 / 1M
कुल इनपुट टोकन 297,321 212,780
आउटपुट टोकन 8,997 6,849
रीजनिंग टोकन 423,853 41,137
प्रतिक्रिया समय (औसत) 124.87s 9.64s
प्रतिक्रिया समय (अधिकतम) 675.30s 58.09s
प्रतिक्रिया समय (कुल) 2871.96s 221.62s
पैरामीटर ~200B कुल (~20B सक्रिय) ~400B कुल (~17B सक्रिय)
उपलब्धता बंद स्रोत बंद 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.

#188 Seed-2.0-Code

high
लागत
$0.037
समय
183.6s
टोकन
12,388 tok

#189 GPT-5.6 Luna

medium
लागत
$0.014
समय
14.6s
टोकन
2,362 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
Seed-2.0-Code 6.2 6.5 55.6% 1 266.74s 6,750 432 124,956
GPT-5.6 Luna 5.4 7.2 44.4% 1 10.38s 7,302 564 9,928

तुलना जोड़ी बदलें