GPT-5.4 (medium) average score में आगे है: 8.5 vs 8.4. स्थानीय हार्डवेयर की लागत नहीं मापी गई, इसलिए लागत की तुलना उपलब्ध नहीं है। GPT-5.4 (medium) तेज है: 22.85s vs 167.89s, pass rates 77.3% vs 77.3%.
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए::
2026-08-15
रैंक
#36
कुल आउटपुट टोकन
90,466
प्रतिक्रिया समय (औसत)
22.85s
कुल लागत
$1.560
रैंक
#42
कुल आउटपुट टोकन
656,635
प्रतिक्रिया समय (औसत)
167.89s
कुल लागत
लागू नहीं
अनुशंसित मॉडलGPT-5.4 (medium)
It has the best score here (8.5), while responding about 7.3x faster than Qwen3.8 27B (high).
Qwen3.8 27BQwen3.8 27Bhighउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।रिलीज़: 2026-08-14
स्कोर
8.5सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
8.4सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
रैंक
#36
#42
विश्वसनीयता
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।…
9.6पहले 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
8.6संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
9.2संगति 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: 5निर्देशों का पालन नहीं किया: 2प्रतिक्रिया समय (औसत)22.85sप्रतिक्रिया समय (अधिकतम)100.41sप्रतिक्रिया समय (कुल)502.78sकोई 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।निर्देशों का पालन नहीं किया: 2कोई उत्तर नहीं: 2गलत उत्तर: 2प्रतिक्रिया समय (औसत)167.89sप्रतिक्रिया समय (अधिकतम)640.85sप्रतिक्रिया समय (कुल)3693.54sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
प्रति प्रयास पास दर
77.3%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
77.3%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
अस्थिर टेस्ट
4अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
2अस्थिर 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
10.399यह 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
$1.560कुल लागत (वर्तमान कीमत)…
लागू नहींकुल लागत (वर्तमान कीमत)…
इनपुट कीमत
$2.500 / 1Mइनपुट कीमत…
लागू नहींइनपुट कीमत…
आउटपुट कीमत
$15.000 / 1Mआउटपुट कीमत…
लागू नहींआउटपुट कीमत…
कुल इनपुट टोकन
81,136कुल इनपुट टोकन…
100,179कुल इनपुट टोकन…
आउटपुट टोकन
6,155आउटपुट टोकन…
904आउटपुट टोकन…
रीजनिंग टोकन
84,311रीजनिंग टोकन…
655,731रीजनिंग टोकन…
प्रतिक्रिया समय (औसत)
22.85sप्रतिक्रिया समय (औसत)…
167.89sप्रतिक्रिया समय (औसत)…
प्रतिक्रिया समय (अधिकतम)
100.41sप्रतिक्रिया समय (अधिकतम)…
640.85sप्रतिक्रिया समय (अधिकतम)…
प्रतिक्रिया समय (कुल)
502.78sप्रतिक्रिया समय (कुल)…
3693.54sप्रतिक्रिया समय (कुल)…
पैरामीटर
~1.5T कुल (~100B 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.
#36 GPT-5.4
medium
लागत
$0.214
समय
199.6s
टोकन
14,349 tok
#42 Qwen3.8 27B
highउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
10.0संगति 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।…
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)4.11sप्रतिक्रिया समय (अधिकतम)6.42sप्रतिक्रिया समय (कुल)16.42sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
4.11sप्रतिक्रिया समय (औसत)…
606कुल इनपुट टोकन…
240आउटपुट टोकन…
1,511रीजनिंग 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)8.10sप्रतिक्रिया समय (अधिकतम)21.48sप्रतिक्रिया समय (कुल)32.40sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
7.8संगति 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।गलत उत्तर: 1प्रतिक्रिया समय (औसत)44.36sप्रतिक्रिया समय (अधिकतम)96.94sप्रतिक्रिया समय (कुल)133.08sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
44.36sप्रतिक्रिया समय (औसत)…
7,305कुल इनपुट टोकन…
433आउटपुट टोकन…
24,216रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
8.1सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
7.0संगति 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)248.62sप्रतिक्रिया समय (अधिकतम)458.25sप्रतिक्रिया समय (कुल)745.85sकोई 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)29.77sप्रतिक्रिया समय (अधिकतम)38.97sप्रतिक्रिया समय (कुल)59.55sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
29.77sप्रतिक्रिया समय (औसत)…
58,038कुल इनपुट टोकन…
4,214आउटपुट टोकन…
13,351रीजनिंग 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)185.57sप्रतिक्रिया समय (अधिकतम)333.21sप्रतिक्रिया समय (कुल)371.15sकोई 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)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)…
7,140कुल इनपुट टोकन…
234आउटपुट टोकन…
804रीजनिंग 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)34.85sप्रतिक्रिया समय (अधिकतम)57.71sप्रतिक्रिया समय (कुल)69.71sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
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)72.44sप्रतिक्रिया समय (अधिकतम)100.41sप्रतिक्रिया समय (कुल)217.32sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
72.44sप्रतिक्रिया समय (औसत)…
628कुल इनपुट टोकन…
61आउटपुट टोकन…
36,544रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
5.3सभी 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।कोई उत्तर नहीं: 1गलत उत्तर: 1प्रतिक्रिया समय (औसत)526.74sप्रतिक्रिया समय (अधिकतम)640.85sप्रतिक्रिया समय (कुल)1580.21sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
3.1संगति 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।…
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)4.92sप्रतिक्रिया समय (अधिकतम)4.92sप्रतिक्रिया समय (कुल)4.92sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
4.92sप्रतिक्रिया समय (औसत)…
477कुल इनपुट टोकन…
145आउटपुट टोकन…
321रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
5.0सभी 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।निर्देशों का पालन नहीं किया: 1प्रतिक्रिया समय (औसत)8.45sप्रतिक्रिया समय (अधिकतम)8.45sप्रतिक्रिया समय (कुल)8.45sकोई 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)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)…
660कुल इनपुट टोकन…
93आउटपुट टोकन…
897रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
9.8सभी 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)8.24sप्रतिक्रिया समय (अधिकतम)10.18sप्रतिक्रिया समय (कुल)16.49sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
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)9.14sप्रतिक्रिया समय (अधिकतम)18.14sप्रतिक्रिया समय (कुल)27.41sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
9.14sप्रतिक्रिया समय (औसत)…
642कुल इनपुट टोकन…
441आउटपुट टोकन…
3,815रीजनिंग टोकन…
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ।
7.6सभी बेंचमार्क परीक्षणों का औसत स्कोर।…
7.2संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
77.8%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।कोई उत्तर नहीं: 1प्रतिक्रिया समय (औसत)199.90sप्रतिक्रिया समय (अधिकतम)569.33sप्रतिक्रिया समय (कुल)599.69sकोई 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)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)…
5,445कुल इनपुट टोकन…
264आउटपुट टोकन…
1,031रीजनिंग 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)5.62sप्रतिक्रिया समय (अधिकतम)5.62sप्रतिक्रिया समय (कुल)5.62sकोई 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)13.95sप्रतिक्रिया समय (अधिकतम)13.95sप्रतिक्रिया समय (कुल)13.95sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
13.95sप्रतिक्रिया समय (औसत)…
195कुल इनपुट टोकन…
30आउटपुट टोकन…
1,821रीजनिंग 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)263.98sप्रतिक्रिया समय (अधिकतम)263.98sप्रतिक्रिया समय (कुल)263.98sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…