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 GLM 5.3 FlashX (high)

Seed-2.0-Code (high) average score में आगे है: 7.5 vs 7.4. GLM 5.3 FlashX (high) की benchmark लागत कम है: $0.210 vs $1.448. GLM 5.3 FlashX (high) तेज है: 14.94s vs 124.87s, pass rates 65.2% vs 69.6%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-26

तुलना किए गए मॉडल

रैंक
#159
कुल आउटपुट टोकन
432,850
प्रतिक्रिया समय (औसत)
124.87s
कुल लागत
$1.448
रैंक
#164
कुल आउटपुट टोकन
97,728
प्रतिक्रिया समय (औसत)
14.94s
कुल लागत
$0.210
अनुशंसित मॉडल GLM 5.3 FlashX (high)

Its score stays close to the best score here (7.4 vs 7.5), while costing about 6.9x less than Seed-2.0-Code (high).

विस्तृत तुलना

मेट्रिक Seed-2.0-Code Seed-2.0-Code high रिलीज़: 2026-08-12 GLM 5.3 FlashX GLM 5.3 FlashX high रिलीज़: 2026-09-21
स्कोर 7.5 7.4
रैंक #159 #164
विश्वसनीयता 9.0 10.0
संगति 7.9 8.2
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 65.2% 69.6%
अस्थिर टेस्ट 5 5
कुल रन 69 69
प्रति परिणाम लागत 12.061 1.612
कुल लागत $1.448 $0.210
इनपुट कीमत $0.500 / 1M $0.370 / 1M
आउटपुट कीमत $3.000 / 1M $1.250 / 1M
कैश पढ़ने की कीमत लागू नहीं $0.090 / 1M
कैश लिखने की कीमत लागू नहीं लागू नहीं
कुल इनपुट टोकन 297,321 235,914
आउटपुट टोकन 8,997 8,147
रीजनिंग टोकन 423,853 89,581
प्रतिक्रिया समय (औसत) 124.87s 14.94s
प्रतिक्रिया समय (अधिकतम) 675.30s 91.16s
प्रतिक्रिया समय (कुल) 2871.96s 343.65s
पैरामीटर ~200B कुल (~20B सक्रिय) 320B कुल (18B 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.

#159 Seed-2.0-Code

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

#164 GLM 5.3 FlashX

high
लागत
$0.030
समय
169.4s
टोकन
23,950 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
GLM 5.3 FlashX 8.2 7.2 88.9% 1 8.06s 7,317 374 9,267

तुलना जोड़ी बदलें