KAT-Coder-Air V2.5 (high) average score में आगे है: 5.6 vs 5.5. स्थानीय हार्डवेयर की लागत नहीं मापी गई, इसलिए लागत की तुलना उपलब्ध नहीं है। Qwen3.8 27B तेज है: 3.12s vs 15.87s, pass rates 42.4% vs 40.9%.
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए::
2026-08-15
रैंक
#201
कुल आउटपुट टोकन
114,654
प्रतिक्रिया समय (औसत)
15.87s
कुल लागत
$0.077
रैंक
#211
कुल आउटपुट टोकन
11,445
प्रतिक्रिया समय (औसत)
3.12s
कुल लागत
लागू नहीं
अनुशंसित मॉडलQwen3.8 27B
Its score stays close to the best score here (5.5 vs 5.6), while responding about 5.1x faster than KAT-Coder-Air V2.5 (high).
Qwen3.8 27BQwen3.8 27Bnoneउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।रिलीज़: 2026-08-14
स्कोर
5.6सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
5.5सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
रैंक
#201
#211
विश्वसनीयता
9.8पहले प्रयास की सफलता स्कोर: 10.0 का मतलब है सफल कॉल से पहले लक्ष्य API या रेट-लिमिट की कोई पुनः प्रयास योग्य विफलता नहीं; दर्ज विफलताएँ स्कोर घटाती हैं।…
10.0पहले प्रयास की सफलता स्कोर: 10.0 का मतलब है सफल कॉल से पहले लक्ष्य API या रेट-लिमिट की कोई पुनः प्रयास योग्य विफलता नहीं; दर्ज विफलताएँ स्कोर घटाती हैं।…
संगति
8.1संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
प्रयास
66/66
66/66
सही परीक्षण
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 9API त्रुटि: 3अतिरिक्त फॉर्मेटिंग: 3प्रतिक्रिया समय (औसत)15.87sप्रतिक्रिया समय (अधिकतम)118.35sप्रतिक्रिया समय (कुल)349.16sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 11निर्देशों का पालन नहीं किया: 1अमान्य टूल कॉल: 1प्रतिक्रिया समय (औसत)3.12sप्रतिक्रिया समय (अधिकतम)44.76sप्रतिक्रिया समय (कुल)68.69sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
प्रति प्रयास पास दर
42.4%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
40.9%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
अस्थिर टेस्ट
5अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कुल रन
66कुल रन…
66कुल रन…
प्रति परिणाम लागत
1.091यह बेंचमार्क के प्रति सही उत्तर की औसत लागत सेंट में दिखाता है (कम होना बेहतर है)।…
लागू नहींयह बेंचमार्क के प्रति सही उत्तर की औसत लागत सेंट में दिखाता है (कम होना बेहतर है)।…
कुल लागत
$0.077कुल लागत (वर्तमान कीमत)…
लागू नहींकुल लागत (वर्तमान कीमत)…
इनपुट कीमत
$0.150 / 1Mइनपुट कीमत…
लागू नहींइनपुट कीमत…
आउटपुट कीमत
$0.600 / 1Mआउटपुट कीमत…
लागू नहींआउटपुट कीमत…
कुल इनपुट टोकन
50,423कुल इनपुट टोकन…
122,463कुल इनपुट टोकन…
आउटपुट टोकन
4,144आउटपुट टोकन…
11,445आउटपुट टोकन…
रीजनिंग टोकन
110,510रीजनिंग टोकन…
0रीजनिंग टोकन…
प्रतिक्रिया समय (औसत)
15.87sप्रतिक्रिया समय (औसत)…
3.12sप्रतिक्रिया समय (औसत)…
प्रतिक्रिया समय (अधिकतम)
118.35sप्रतिक्रिया समय (अधिकतम)…
44.76sप्रतिक्रिया समय (अधिकतम)…
प्रतिक्रिया समय (कुल)
349.16sप्रतिक्रिया समय (कुल)…
68.69sप्रतिक्रिया समय (कुल)…
पैरामीटर
~35B कुल (~3B सक्रिय)
27.3B
उपलब्धता
बंद स्रोत
वेट उपलब्ध
मॉडल जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#201 KAT-Coder-Air V2.5
high
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 tok
#211 Qwen3.8 27B
noneउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
5.8संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
75.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
2अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।API त्रुटि: 1गलत उत्तर: 1प्रतिक्रिया समय (औसत)2.49sप्रतिक्रिया समय (अधिकतम)3.97sप्रतिक्रिया समय (कुल)9.97sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
2.49sप्रतिक्रिया समय (औसत)…
615कुल इनपुट टोकन…
204आउटपुट टोकन…
1,290रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
6.5सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
50.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 2प्रतिक्रिया समय (औसत)828msप्रतिक्रिया समय (अधिकतम)1.95sप्रतिक्रिया समय (कुल)3.31sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
7.3संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
11.1%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
1अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।API त्रुटि: 1अतिरिक्त फॉर्मेटिंग: 1गलत उत्तर: 1प्रतिक्रिया समय (औसत)39.07sप्रतिक्रिया समय (अधिकतम)104.98sप्रतिक्रिया समय (कुल)117.21sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
39.07sप्रतिक्रिया समय (औसत)…
6,948कुल इनपुट टोकन…
1,166आउटपुट टोकन…
55,883रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
5.5सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
33.3%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 2प्रतिक्रिया समय (औसत)1.19sप्रतिक्रिया समय (अधिकतम)1.97sप्रतिक्रिया समय (कुल)3.56sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
50.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।API त्रुटि: 1प्रतिक्रिया समय (औसत)74.48sप्रतिक्रिया समय (अधिकतम)118.35sप्रतिक्रिया समय (कुल)148.95sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
74.48sप्रतिक्रिया समय (औसत)…
23,854कुल इनपुट टोकन…
485आउटपुट टोकन…
28,559रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
3.0सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
0.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।अमान्य टूल कॉल: 1गलत उत्तर: 1प्रतिक्रिया समय (औसत)24.10sप्रतिक्रिया समय (अधिकतम)44.76sप्रतिक्रिया समय (कुल)48.21sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
50.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 1प्रतिक्रिया समय (औसत)3.59sप्रतिक्रिया समय (अधिकतम)4.92sप्रतिक्रिया समय (कुल)7.18sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
3.59sप्रतिक्रिया समय (औसत)…
7,776कुल इनपुट टोकन…
284आउटपुट टोकन…
2,140रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
6.5सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
50.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 1प्रतिक्रिया समय (औसत)1.14sप्रतिक्रिया समय (अधिकतम)1.18sप्रतिक्रिया समय (कुल)2.27sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
0.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।अतिरिक्त फॉर्मेटिंग: 2गलत उत्तर: 1प्रतिक्रिया समय (औसत)7.28sप्रतिक्रिया समय (अधिकतम)8.71sप्रतिक्रिया समय (कुल)21.85sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
7.28sप्रतिक्रिया समय (औसत)…
724कुल इनपुट टोकन…
1,101आउटपुट टोकन…
7,738रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
7.7सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
66.7%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 1प्रतिक्रिया समय (औसत)552msप्रतिक्रिया समय (अधिकतम)675msप्रतिक्रिया समय (कुल)1.66sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
0.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 1प्रतिक्रिया समय (औसत)7.10sप्रतिक्रिया समय (अधिकतम)7.10sप्रतिक्रिया समय (कुल)7.10sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
7.10sप्रतिक्रिया समय (औसत)…
516कुल इनपुट टोकन…
179आउटपुट टोकन…
539रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
4.2सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
9.9संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
0.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 1प्रतिक्रिया समय (औसत)1.31sप्रतिक्रिया समय (अधिकतम)1.31sप्रतिक्रिया समय (कुल)1.31sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
100.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।कोई विफल उत्तर नहीं।प्रतिक्रिया समय (औसत)1.51sप्रतिक्रिया समय (अधिकतम)1.91sप्रतिक्रिया समय (कुल)3.01sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
1.51sप्रतिक्रिया समय (औसत)…
699कुल इनपुट टोकन…
90आउटपुट टोकन…
675रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
6.3सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
50.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 1प्रतिक्रिया समय (औसत)582msप्रतिक्रिया समय (अधिकतम)633msप्रतिक्रिया समय (कुल)1.16sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
4.4संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
33.3%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
2अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 3प्रतिक्रिया समय (औसत)2.47sप्रतिक्रिया समय (अधिकतम)2.86sप्रतिक्रिया समय (कुल)7.40sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
2.47sप्रतिक्रिया समय (औसत)…
696कुल इनपुट टोकन…
285आउटपुट टोकन…
1,576रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
6.0सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
33.3%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।निर्देशों का पालन नहीं किया: 1गलत उत्तर: 1प्रतिक्रिया समय (औसत)1.25sप्रतिक्रिया समय (अधिकतम)1.84sप्रतिक्रिया समय (कुल)3.76sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
100.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।कोई विफल उत्तर नहीं।प्रतिक्रिया समय (औसत)4.77sप्रतिक्रिया समय (अधिकतम)4.77sप्रतिक्रिया समय (कुल)4.77sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
4.77sप्रतिक्रिया समय (औसत)…
8,391कुल इनपुट टोकन…
330आउटपुट टोकन…
1,082रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
10.0सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
100.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।कोई विफल उत्तर नहीं।प्रतिक्रिया समय (औसत)2.75sप्रतिक्रिया समय (अधिकतम)2.75sप्रतिक्रिया समय (कुल)2.75sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
0.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 1प्रतिक्रिया समय (औसत)21.72sप्रतिक्रिया समय (अधिकतम)21.72sप्रतिक्रिया समय (कुल)21.72sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
21.72sप्रतिक्रिया समय (औसत)…
204कुल इनपुट टोकन…
20आउटपुट टोकन…
11,028रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
3.0सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
0.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 1प्रतिक्रिया समय (औसत)703msप्रतिक्रिया समय (अधिकतम)703msप्रतिक्रिया समय (कुल)703msकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…