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

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

Seed-2.0-Lite (medium) average score में आगे है: 8.2 vs 8.0. GPT-5.6 Luna (high) की benchmark लागत कम है: $0.118 vs $0.271. GPT-5.6 Luna (high) तेज है: 18.39s vs 48.87s, pass rates 71.0% vs 71.0%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-19

तुलना किए गए मॉडल

रैंक
#104
कुल आउटपुट टोकन
106,419
प्रतिक्रिया समय (औसत)
48.87s
कुल लागत
$0.271
रैंक
#110
कुल आउटपुट टोकन
139,395
प्रतिक्रिया समय (औसत)
18.39s
कुल लागत
$0.118
अनुशंसित मॉडल GPT-5.6 Luna (high)

Its score stays close to the best score here (8.0 vs 8.2), while costing about 2.3x less than Seed-2.0-Lite (medium).

विस्तृत तुलना

मेट्रिक Seed-2.0-Lite Seed-2.0-Lite medium रिलीज़: 2026-02-14 GPT-5.6 Luna GPT-5.6 Luna high रिलीज़: 2026-07-09
स्कोर 8.2 8.0
रैंक #104 #110
विश्वसनीयता 10.0 10.0
संगति 8.7 8.6
प्रयास 69/69 69/69
सही परीक्षण
प्रति प्रयास पास दर 71.0% 71.0%
अस्थिर टेस्ट 4 4
कुल रन 69 69
प्रति परिणाम लागत 1.931 5.882
कुल लागत $0.271 $0.118
इनपुट कीमत $0.250 / 1M $0.200 / 1M
आउटपुट कीमत $2.000 / 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 229,530 197,896
आउटपुट टोकन 13,757 6,211
रीजनिंग टोकन 92,662 133,184
प्रतिक्रिया समय (औसत) 48.87s 18.39s
प्रतिक्रिया समय (अधिकतम) 254.92s 111.09s
प्रतिक्रिया समय (कुल) 1123.91s 422.93s
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.

#104 Seed-2.0-Lite

medium
लागत
$0.005
समय
86.7s
टोकन
2,354 tok

#110 GPT-5.6 Luna

high
लागत
$0.033
समय
34.2s
टोकन
5,484 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-Lite 8.0 9.8 66.7% 0 156.74s 8,247 458 31,890
GPT-5.6 Luna 5.5 4.7 55.6% 2 15.63s 7,302 510 17,746

तुलना जोड़ी बदलें