Step 5 Preview (low) average score में आगे है: 5.6 vs 5.4. Qwen3.8 27B की benchmark लागत कम है: ~$0.010 vs $4.110. Qwen3.8 27B तेज है: 5.05s vs 138.27s, pass rates 39.1% vs 58.0%.
बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए::
2026-10-19
तुलना किए गए मॉडल
उम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
रैंक
#324
कुल आउटपुट टोकन
13,791
प्रतिक्रिया समय (औसत)
5.05s
कुल लागत
~$0.010केवल GPU की बिजली लागत का अनुमान है। इसमें बाकी कंप्यूटर और हार्डवेयर खरीदने की लागत शामिल नहीं है। NVIDIA GeForce RTX 3090: 0.0968 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.009566.
रैंक
#311
कुल आउटपुट टोकन
1,425,268
प्रतिक्रिया समय (औसत)
138.27s
कुल लागत
$4.110
अनुशंसित मॉडलQwen3.8 27B
Its score stays close to the best score here (5.4 vs 5.6), while costing about 429.6x less than Step 5 Preview (low).
विस्तृत तुलना
मेट्रिक
Qwen3.8 27BQwen3.8 27Bnoneउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.रिलीज़: 2026-08-14निःशुल्क उपलब्ध
Qwen3.8 27BQwen3.8 27Bnoneउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.रिलीज़: 2026-08-14निःशुल्क उपलब्ध
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।…
9.7पहले 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
10.0संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
7.5संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
प्रयास
69/69
69/69
सही परीक्षण
कोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।गलत उत्तर: 12निर्देशों का पालन नहीं किया: 1अमान्य टूल कॉल: 1प्रतिक्रिया समय (औसत)5.05sप्रतिक्रिया समय (अधिकतम)47.42sप्रतिक्रिया समय (कुल)116.11sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
39.1%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
58.0%प्रति प्रयास पास दर = पास प्रयास / सभी रनों में कुल प्रयास।…
अस्थिर टेस्ट
0अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
7अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।…
कुल रन
69कुल रन…
69कुल रन…
प्रति परिणाम लागत
~0.107केवल GPU की बिजली लागत का अनुमान है। इसमें बाकी कंप्यूटर और हार्डवेयर खरीदने की लागत शामिल नहीं है। NVIDIA GeForce RTX 3090: 0.0968 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.009566.
41.095
कुल लागत
~$0.010केवल GPU की बिजली लागत का अनुमान है। इसमें बाकी कंप्यूटर और हार्डवेयर खरीदने की लागत शामिल नहीं है। NVIDIA GeForce RTX 3090: 0.0968 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.009566.
$4.110
इनपुट कीमत
लागू नहींइनपुट कीमत…
$1.000 / 1Mइनपुट कीमत…
आउटपुट कीमत
लागू नहींआउटपुट कीमत…
$2.700 / 1Mआउटपुट कीमत…
कैश पढ़ने की कीमत
लागू नहींकैश पढ़ने की कीमत…
$0.050 / 1Mकैश पढ़ने की कीमत…
कैश लिखने की कीमत
लागू नहींकैश लिखने की कीमत…
लागू नहींकैश लिखने की कीमत…
कुल इनपुट टोकन
281,460कुल इनपुट टोकन…
261,256कुल इनपुट टोकन…
आउटपुट टोकन
13,791आउटपुट टोकन…
1,425,268आउटपुट टोकन…
रीजनिंग टोकन
0रीजनिंग टोकन…
0रीजनिंग टोकन…
प्रतिक्रिया समय (औसत)
5.05sप्रतिक्रिया समय (औसत)…
138.27sप्रतिक्रिया समय (औसत)…
प्रतिक्रिया समय (अधिकतम)
47.42sप्रतिक्रिया समय (अधिकतम)…
436.56sप्रतिक्रिया समय (अधिकतम)…
प्रतिक्रिया समय (कुल)
116.11sप्रतिक्रिया समय (कुल)…
3180.10sप्रतिक्रिया समय (कुल)…
पैरामीटर
27.3B
600B कुल (27B सक्रिय)
उपलब्धता
वेट उपलब्ध
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.
#324 Qwen3.8 27B
noneउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
लागत
~$0.001केवल GPU की बिजली लागत का अनुमान है। इसमें बाकी कंप्यूटर और हार्डवेयर खरीदने की लागत शामिल नहीं है। NVIDIA GeForce RTX 3090: 0.0066 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000657.
समय
23.9s
टोकन
1,922 tok
#311 Step 5 Preview
low
लागत
$0.051
समय
125.6s
टोकन
18,795 tok
रैंक
-
लागत
-
समय
-
टोकन
-
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
स्वायत्त एजेंट कार्य
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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।गलत उत्तर: 1प्रतिक्रिया समय (औसत)47.42sप्रतिक्रिया समय (अधिकतम)47.42sप्रतिक्रिया समय (कुल)47.42sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
2.2संगति 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।गलत उत्तर: 1प्रतिक्रिया समय (औसत)131.68sप्रतिक्रिया समय (अधिकतम)131.68sप्रतिक्रिया समय (कुल)131.68sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
131.68sप्रतिक्रिया समय (औसत)…
161,309कुल इनपुट टोकन…
41,238आउटपुट टोकन…
0रीजनिंग टोकन…
एंटी-एआई ट्रिक्स
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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।…
7.9संगति 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।…
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: 1गलत उत्तर: 1प्रतिक्रिया समय (औसत)9.50sप्रतिक्रिया समय (अधिकतम)30.90sप्रतिक्रिया समय (कुल)37.99sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
9.50sप्रतिक्रिया समय (औसत)…
744कुल इनपुट टोकन…
4,797आउटपुट टोकन…
0रीजनिंग टोकन…
कोडिंग
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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।…
7.0संगति 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।कोई उत्तर नहीं: 2निर्देशों का पालन नहीं किया: 1प्रतिक्रिया समय (औसत)378.21sप्रतिक्रिया समय (अधिकतम)436.56sप्रतिक्रिया समय (कुल)1134.63sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
378.21sप्रतिक्रिया समय (औसत)…
7,428कुल इनपुट टोकन…
518,232आउटपुट टोकन…
0रीजनिंग टोकन…
संयुक्त
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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।…
5.8संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
83.3%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।अमान्य टूल कॉल: 1प्रतिक्रिया समय (औसत)40.89sप्रतिक्रिया समय (अधिकतम)70.80sप्रतिक्रिया समय (कुल)81.77sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
40.89sप्रतिक्रिया समय (औसत)…
73,370कुल इनपुट टोकन…
32,511आउटपुट टोकन…
0रीजनिंग टोकन…
डेटा पार्सिंग और निष्कर्षण
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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)।…
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)3.34sप्रतिक्रिया समय (अधिकतम)3.65sप्रतिक्रिया समय (कुल)6.67sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
3.34sप्रतिक्रिया समय (औसत)…
7,392कुल इनपुट टोकन…
2,386आउटपुट टोकन…
0रीजनिंग टोकन…
डोमेन-विशिष्ट
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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।…
7.2संगति स्कोर रनों के बीच स्थिरता दिखाता है (10 = बहुत स्थिर, भले लगातार गलत हो)।…
22.2%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: 3प्रतिक्रिया समय (औसत)304.35sप्रतिक्रिया समय (अधिकतम)386.66sप्रतिक्रिया समय (कुल)913.04sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
304.35sप्रतिक्रिया समय (औसत)…
828कुल इनपुट टोकन…
425,365आउटपुट टोकन…
0रीजनिंग टोकन…
Samanya Buddhimatta
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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।…
2.2संगति 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।API त्रुटि: 1प्रतिक्रिया समय (औसत)162.27sप्रतिक्रिया समय (अधिकतम)162.27sप्रतिक्रिया समय (कुल)162.27sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
162.27sप्रतिक्रिया समय (औसत)…
522कुल इनपुट टोकन…
66,693आउटपुट टोकन…
0रीजनिंग टोकन…
निर्देश पालन
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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।…
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)6.78sप्रतिक्रिया समय (अधिकतम)7.96sप्रतिक्रिया समय (कुल)13.55sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
6.78sप्रतिक्रिया समय (औसत)…
729कुल इनपुट टोकन…
4,712आउटपुट टोकन…
0रीजनिंग टोकन…
पहेली समाधान
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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।…
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)94.98sप्रतिक्रिया समय (अधिकतम)275.67sप्रतिक्रिया समय (कुल)284.94sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
94.98sप्रतिक्रिया समय (औसत)…
747कुल इनपुट टोकन…
136,880आउटपुट टोकन…
0रीजनिंग टोकन…
टूल कॉलिंग
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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)।…
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)3.77sप्रतिक्रिया समय (अधिकतम)3.77sप्रतिक्रिया समय (कुल)3.77sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…
3.77sप्रतिक्रिया समय (औसत)…
7,953कुल इनपुट टोकन…
454आउटपुट टोकन…
0रीजनिंग टोकन…
सामान्य ज्ञान
स्कोर
संगति
प्रति प्रयास पास दर
अस्थिर टेस्ट
सही परीक्षण
प्रतिक्रिया समय (औसत)
इनपुट टोकन
आउटपुट टोकन
रीजनिंग टोकन
Qwen3.8 27Bउम्मीदवार मॉडल के उत्तर स्थानीय हार्डवेयर पर बनाए गए। OpenRouter का उपयोग केवल मूल्यांकन के लिए हुआ। qwen3.8:latest · Q4_K_M · Ollama 0.32.12 · NVIDIA GeForce RTX 3090.
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।…
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।कोई उत्तर नहीं: 1प्रतिक्रिया समय (औसत)409.77sप्रतिक्रिया समय (अधिकतम)409.77sप्रतिक्रिया समय (कुल)409.77sकोई टेस्ट तभी पूरी तरह पास माना जाएगा जब उसके सभी रन पास हों।…