Decider Flash V1.2 (default) vs Xing4.0 29b A4b (medium)

Xing4.0 29b A4b (medium) average score में आगे है: 3.7 vs 1.9. Xing4.0 29b A4b (medium) की benchmark लागत कम है: $0.000 vs $0.001. Decider Flash V1.2 (default) तेज है: 462ms vs 371.69s, pass rates 13.0% vs 26.1%.

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-10-17

तुलना किए गए मॉडल

रैंक: #432
कुल आउटपुट टोकन: 69
प्रतिक्रिया समय (औसत): 462ms
कुल लागत: $0.001

रैंक: #398
कुल आउटपुट टोकन: 107,980
प्रतिक्रिया समय (औसत): 371.69s
कुल लागत: $0.000

अनुशंसित मॉडल Xing4.0 29b A4b (medium)

इस तुलना में इसका स्कोर सबसे अधिक है (3.7) और 2 मॉडलों में लागत और प्रतिक्रिया समय का समग्र संतुलन सबसे अच्छा है।

विस्तृत तुलना

मेट्रिक	Decider Flash V1.2 Decider Flash V1.2 default रिलीज़: 2026-10-17	Xing4.0 29b A4b Xing4.0 29b A4b medium रिलीज़: 2026-10-17 निःशुल्क उपलब्ध

मेट्रिक	Decider Flash V1.2 Decider Flash V1.2 default रिलीज़: 2026-10-17	Xing4.0 29b A4b Xing4.0 29b A4b medium रिलीज़: 2026-10-17 निःशुल्क उपलब्ध
स्कोर	1.9	3.7
रैंक	#432	#398
विश्वसनीयता	10.0	7.3
संगति	5.2	6.2
प्रयास	36/69	69/69
सही परीक्षण
प्रति प्रयास पास दर	13.0%	26.1%
अस्थिर टेस्ट	0	11
कुल रन	36	69
प्रति परिणाम लागत	0.017	0.000
कुल लागत	$0.001	$0.000
इनपुट कीमत	$0.010 / 1M	$0.000 / 1M
आउटपुट कीमत	$0.000 / 1M	$0.000 / 1M
कैश पढ़ने की कीमत	लागू नहीं	लागू नहीं
कैश लिखने की कीमत	लागू नहीं	लागू नहीं
कुल इनपुट टोकन	49,176	98,467
आउटपुट टोकन	69	3,385
रीजनिंग टोकन	0	104,595
प्रतिक्रिया समय (औसत)	462ms	371.69s
प्रतिक्रिया समय (अधिकतम)	661ms	971.85s
प्रतिक्रिया समय (कुल)	5.55s	8548.88s
पैरामीटर	4B	29B कुल (4B सक्रिय)
उपलब्धता	मुक्त स्रोत	मुक्त 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.

#432 Decider Flash V1.2

default

इस मॉडल के लिए अभी तक कोई शोकेस परिणाम उत्पन्न नहीं हुआ है।

लागत: लागू नहीं
समय: -
टोकन: 0 tok

#398 Xing4.0 29b A4b

medium

Reached the allocated time limit (600 seconds) without receiving showcase output.

लागत: $0.000
समय: 600.0s
टोकन: 0 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

श्रेणी:

स्वायत्त एजेंट कार्य	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	0.0	0.0	0.0%	0		0ms	0	0	0
Xing4.0 29b A4b	3.0	10.0	0.0%	0		579.54s	54,965	405	5,479

एंटी-एआई ट्रिक्स	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	4.0	7.5	25.0%	0		466ms	7,134	9	0
Xing4.0 29b A4b	3.8	1.6	50.0%	4		145.43s	487	582	14,049

कोडिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	2.2	6.7	0.0%	0		438ms	24,009	12	0
Xing4.0 29b A4b	4.2	5.1	33.3%	2		798.00s	1,889	502	27,115

संयुक्त	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	0.0	0.0	0.0%	0		0ms	0	0	0
Xing4.0 29b A4b	3.0	10.0	0.0%	0		898.87s	20,856	736	25,295

डेटा पार्सिंग और निष्कर्षण	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	6.5	10.0	50.0%	0		422ms	11,637	15	0
Xing4.0 29b A4b	2.9	5.9	16.7%	1		147.51s	8,397	283	7,766

डोमेन-विशिष्ट	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	5.3	10.0	33.3%	0		527ms	2,847	9	0
Xing4.0 29b A4b	3.6	7.2	22.2%	1		381.86s	264	6	4,373

Samanya Buddhimatta	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	0.0	0.0	0.0%	0		0ms	0	0	0
Xing4.0 29b A4b	3.2	9.9	0.0%	0		121.15s	528	87	2,517

निर्देश पालन	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	1.5	5.0	0.0%	0		424ms	3,027	21	0
Xing4.0 29b A4b	4.3	6.8	16.7%	1		25.45s	300	56	1,280

पहेली समाधान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	1.0	3.3	0.0%	0		424ms	522	3	0
Xing4.0 29b A4b	2.9	4.4	22.2%	2		257.08s	537	222	13,616

टूल कॉलिंग	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	0.0	0.0	0.0%	0		0ms	0	0	0
Xing4.0 29b A4b	10.0	10.0	100.0%	0		56.09s	10,183	503	866

सामान्य ज्ञान	स्कोर	संगति	प्रति प्रयास पास दर	अस्थिर टेस्ट	सही परीक्षण	प्रतिक्रिया समय (औसत)	इनपुट टोकन	आउटपुट टोकन	रीजनिंग टोकन
Decider Flash V1.2	0.0	0.0	0.0%	0		0ms	0	0	0
Xing4.0 29b A4b	3.0	10.0	0.0%	0		755.91s	61	3	2,239

तुलना जोड़ी बदलें