कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 2निर्देशों का पालन नहीं किया: 1प्रतिक्रिया समय (औसत)21.06sप्रतिक्रिया समय (अधिकतम)100.41sप्रतिक्रिया समय (कुल)315.95sकोई 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: 3प्रतिक्रिया समय (औसत)29.45sप्रतिक्रिया समय (अधिकतम)119.29sप्रतिक्रिया समय (कुल)441.71sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
संगति
8.9संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
9.4संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
प्रति परिणाम लागत
6.533यह बेंचमार्क के प्रति सही उत्तर की औसत लागत सेंट में दिखाता है (कम होना बेहतर है)।…
3.962यह बेंचमार्क के प्रति सही उत्तर की औसत लागत सेंट में दिखाता है (कम होना बेहतर है)।…
कुल लागत
$0.784कुल लागत…
$0.476कुल लागत…
प्रति प्रयास पास दर
86.7%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
82.2%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
अस्थिर टेस्ट
2अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
1अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
common.totalRuns
45 (15 x 3)common.totalRuns…
45 (15 x 3)common.totalRuns…
आउटपुट टोकन
1,611आउटपुट टोकन…
17,226आउटपुट टोकन…
रीजनिंग टोकन
46,321रीजनिंग टोकन…
138,033रीजनिंग टोकन…
प्रतिक्रिया समय (औसत)
21.06sप्रतिक्रिया समय (औसत)…
29.45sप्रतिक्रिया समय (औसत)…
प्रतिक्रिया समय (अधिकतम)
100.41sप्रतिक्रिया समय (अधिकतम)…
119.29sप्रतिक्रिया समय (अधिकतम)…
प्रतिक्रिया समय (कुल)
315.95sप्रतिक्रिया समय (कुल)…
441.71sप्रतिक्रिया समय (कुल)…
स्कोर के अनुसार शीर्ष मॉडल
स्कोर बनाम कुल लागत
प्रतिक्रिया समय (औसत)
औसत स्कोर vs प्रतिक्रिया समय (औसत)
श्रेणी विवरण
एंटी-एआई ट्रिक्स
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
आउटपुट टोकन
रीजनिंग टोकन
OpenAI: GPT-5.4
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)5.02sप्रतिक्रिया समय (अधिकतम)6.42sप्रतिक्रिया समय (कुल)15.06sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
5.02sप्रतिक्रिया समय (औसत)…
216आउटपुट टोकन…
1,466रीजनिंग टोकन…
Qwen: Qwen3.5-122B-A10B
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)6.99sप्रतिक्रिया समय (अधिकतम)11.62sप्रतिक्रिया समय (कुल)20.98sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
6.99sप्रतिक्रिया समय (औसत)…
248आउटपुट टोकन…
10,486रीजनिंग टोकन…
संयुक्त
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
आउटपुट टोकन
रीजनिंग टोकन
OpenAI: GPT-5.4
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)20.57sप्रतिक्रिया समय (अधिकतम)20.57sप्रतिक्रिया समय (कुल)20.57sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
20.57sप्रतिक्रिया समय (औसत)…
301आउटपुट टोकन…
3,543रीजनिंग टोकन…
Qwen: Qwen3.5-122B-A10B
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)107.79sप्रतिक्रिया समय (अधिकतम)107.79sप्रतिक्रिया समय (कुल)107.79sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
107.79sप्रतिक्रिया समय (औसत)…
483आउटपुट टोकन…
11,337रीजनिंग टोकन…
डेटा पार्सिंग और निष्कर्षण
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
आउटपुट टोकन
रीजनिंग टोकन
OpenAI: GPT-5.4
9.9सभी 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)5.32sप्रतिक्रिया समय (अधिकतम)5.40sप्रतिक्रिया समय (कुल)10.64sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
5.32sप्रतिक्रिया समय (औसत)…
234आउटपुट टोकन…
804रीजनिंग टोकन…
Qwen: Qwen3.5-122B-A10B
9.9सभी 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)23.41sप्रतिक्रिया समय (अधिकतम)29.79sप्रतिक्रिया समय (कुल)46.83sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
23.41sप्रतिक्रिया समय (औसत)…
270आउटपुट टोकन…
16,558रीजनिंग टोकन…
डोमेन-विशिष्ट
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
आउटपुट टोकन
रीजनिंग टोकन
OpenAI: GPT-5.4
4.0सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
7.2संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
44.4%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।गलत उत्तर: 2प्रतिक्रिया समय (औसत)74.27sप्रतिक्रिया समय (अधिकतम)100.41sप्रतिक्रिया समय (कुल)222.80sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
74.27sप्रतिक्रिया समय (औसत)…
61आउटपुट टोकन…
34,748रीजनिंग टोकन…
Qwen: Qwen3.5-122B-A10B
10.0सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
7.2संगति 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।गलत उत्तर: 3प्रतिक्रिया समय (औसत)63.40sप्रतिक्रिया समय (अधिकतम)119.29sप्रतिक्रिया समय (कुल)190.20sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
63.40sप्रतिक्रिया समय (औसत)…
15,537आउटपुट टोकन…
64,889रीजनिंग टोकन…
निर्देश पालन
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
आउटपुट टोकन
रीजनिंग टोकन
OpenAI: GPT-5.4
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)3.11sप्रतिक्रिया समय (अधिकतम)3.68sप्रतिक्रिया समय (कुल)6.22sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
3.11sप्रतिक्रिया समय (औसत)…
93आउटपुट टोकन…
897रीजनिंग टोकन…
Qwen: Qwen3.5-122B-A10B
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)9.88sप्रतिक्रिया समय (अधिकतम)15.44sप्रतिक्रिया समय (कुल)19.76sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
9.88sप्रतिक्रिया समय (औसत)…
77आउटपुट टोकन…
7,372रीजनिंग टोकन…
Puzzle Solving
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
आउटपुट टोकन
रीजनिंग टोकन
OpenAI: GPT-5.4
7.0सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
7.2संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
88.9%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।निर्देशों का पालन नहीं किया: 1प्रतिक्रिया समय (औसत)9.13sप्रतिक्रिया समय (अधिकतम)18.14sप्रतिक्रिया समय (कुल)27.39sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
9.13sप्रतिक्रिया समय (औसत)…
442आउटपुट टोकन…
3,832रीजनिंग टोकन…
Qwen: Qwen3.5-122B-A10B
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)17.18sप्रतिक्रिया समय (अधिकतम)31.99sप्रतिक्रिया समय (कुल)51.55sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
17.18sप्रतिक्रिया समय (औसत)…
289आउटपुट टोकन…
26,165रीजनिंग टोकन…
टूल कॉलिंग
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
आउटपुट टोकन
रीजनिंग टोकन
OpenAI: GPT-5.4
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)13.28sप्रतिक्रिया समय (अधिकतम)13.28sप्रतिक्रिया समय (कुल)13.28sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
13.28sप्रतिक्रिया समय (औसत)…
264आउटपुट टोकन…
1,031रीजनिंग टोकन…
Qwen: Qwen3.5-122B-A10B
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)4.60sप्रतिक्रिया समय (अधिकतम)4.60sप्रतिक्रिया समय (कुल)4.60sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…