नेविगेशन
Advertise here

तुलना किए गए मॉडल

Grok 4.6 (high) vs Seed 2.1 Turbo (low) vs Qwen3.8 2.4T A95B (low) vs Seed-2.0-Code (low) benchmark तुलना: Grok 4.6 (high) स्कोर में 9.3 के साथ आगे है। Grok 4.6 (high) विश्वसनीयता में 10.0 के साथ आगे है। Seed-2.0-Code (low) का कुल लागत सबसे कम है: $0.767. Seed-2.0-Code (low) 72.24s पर सबसे तेज है।

बेंचमार्क AI BENCHY टेस्ट सूट्स से इस समय जनरेट किए गए:: 2026-09-24

तुलना किए गए मॉडल

रैंक
#19
कुल आउटपुट टोकन
282,217
प्रतिक्रिया समय (औसत)
84.15s
कुल लागत
$1.908
रैंक
#28
कुल आउटपुट टोकन
597,236
प्रतिक्रिया समय (औसत)
163.90s
कुल लागत
$1.546
रैंक
#78
कुल आउटपुट टोकन
495,541
प्रतिक्रिया समय (औसत)
118.97s
कुल लागत
$2.672
रैंक
#106
कुल आउटपुट टोकन
241,309
प्रतिक्रिया समय (औसत)
72.24s
कुल लागत
$0.767
अनुशंसित मॉडल Grok 4.6 (high)

It has the strongest score in this comparison (9.3) and the best overall balance of cost and response time across all 4 models.

विस्तृत तुलना

मेट्रिक Grok 4.6 Grok 4.6 high रिलीज़: 2026-08-12 Seed 2.1 Turbo Seed 2.1 Turbo low रिलीज़: 2026-08-12 Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low रिलीज़: 2026-08-12 Seed-2.0-Code Seed-2.0-Code low रिलीज़: 2026-08-12
स्कोर 9.3 9.1 8.1 7.7
रैंक #19 #28 #78 #106
विश्वसनीयता 10.0 10.0 9.4 8.5
संगति 10.0 9.2 9.2 7.8
प्रयास 66/66 66/66 66/66 66/66
सही परीक्षण
प्रति प्रयास पास दर 86.4% 80.3% 72.7% 77.3%
अस्थिर टेस्ट 0 2 2 6
कुल रन 66 66 66 66
प्रति परिणाम लागत 10.042 9.091 17.812 5.899
कुल लागत $1.908 $1.546 $2.672 $0.767
इनपुट कीमत $2.000 / 1M $0.500 / 1M $2.000 / 1M $0.500 / 1M
आउटपुट कीमत $6.000 / 1M $2.500 / 1M $6.000 / 1M $3.000 / 1M
कुल इनपुट टोकन 107,275 104,464 113,279 85,657
आउटपुट टोकन 5,094 6,844 121,045 8,142
रीजनिंग टोकन 277,123 590,392 374,496 233,167
प्रतिक्रिया समय (औसत) 84.15s 163.90s 118.97s 72.24s
प्रतिक्रिया समय (अधिकतम) 618.49s 739.98s 534.21s 485.92s
प्रतिक्रिया समय (कुल) 1851.26s 3605.87s 2617.41s 1589.31s
पैरामीटर ~1.7T कुल (~170B सक्रिय) ~200B कुल (~20B सक्रिय) 2.4T कुल (95B सक्रिय) ~200B कुल (~20B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत वेट उपलब्ध बंद स्रोत

मॉडल जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#19 SpaceXAI: Grok 4.6

high
लागत
$0.107
समय
265.1s
टोकन
18,001 tok

#28 Seed 2.1 Turbo

low
लागत
$0.049
समय
298.8s
टोकन
19,730 tok

#78 Qwen3.8 2.4T A95B

low
लागत
$0.100
समय
193.2s
टोकन
16,767 tok

#106 Seed-2.0-Code

low
Provider returned error
लागत
$0.000
समय
0.3s
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

कोडिंग स्कोर संगति प्रति प्रयास पास दर अस्थिर टेस्ट सही परीक्षण प्रतिक्रिया समय (औसत) इनपुट टोकन आउटपुट टोकन रीजनिंग टोकन
Grok 4.6 10.0 10.0 100.0% 0 102.20s 9,579 379 51,829
Seed 2.1 Turbo 10.0 10.0 100.0% 0 360.85s 8,220 385 207,368
Qwen3.8 2.4T A95B 7.8 9.3 66.7% 0 172.53s 6,716 21,405 57,399
Seed-2.0-Code 7.0 7.1 55.6% 1 109.70s 7,948 455 55,759

त्वरित तुलना

तुलना जोड़ी बदलें