#84 Cobuddy
medium
No endpoints found for baidu/cobuddy:free.
- लागत
- $0.000
- समय
- 0.1s
- टोकन
- 0 tok
Baidu
रिलीज़: 2026-05-06
परीक्षण किया गया: 2026-05-06 11:30
baidu/cobuddy::medium
~21B कुल (~3B सक्रिय)MoEबंद स्रोतअनुमानित सारांश
Cobuddy AI BENCHY पर 6.0 स्कोर करता है और #84 पर है। इसकी reliability 9.9, pass rate 53.7%, कुल लागत $0.000, और औसत response time 35.89s है।
Cobuddy को अलग क्या बनाता है: इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- ~21B कुल (~3B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।
6.0
संगति
7.6
9.9
$0.000
कुल आउटपुट टोकन
88,220
कुल इनपुट टोकन
0
इनपुट कीमत
$0.000 / 1M
आउटपुट कीमत
$0.000 / 1M
कैश पढ़ने की कीमत
लागू नहीं
कैश लिखने की कीमत
लागू नहीं
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।
गलत टेस्ट: 11
प्रति प्रयास पास दर: 53.7%
बेंचमार्क कवरेज: 52/54 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)
अस्थिर टेस्ट
5
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-06-04 13:47 नया टेस्ट जोड़ा गया | 4.7 | 10.0 | $0.000 | तुलना करें | |
| 2026-05-22 00:23 सूट बदला गया | 5.7 | 9.9 | $0.000 | तुलना करें | |
| 2026-05-06 11:30 पहला दर्ज रन | 6.0 | 9.9 | $0.000 | वर्तमान रन |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 11:30 · पहला दर्ज रन | 52/54 प्रयास | 6.0 | 7.6 | 9.9 | 7/18 | 5 | 88,220 | 0 | $0.000 | 35.89s |
| 2026-06-04 13:47 · नया टेस्ट जोड़ा गया | 63/63 प्रयास | 4.7 | 7.2 | 10.0 | 7/21 | 6 | 118,380 | 37,449 | $0.000 | 39.90s |
| अंतर | — | +1.4 | +0.4 | -0.1 | 0 | -1 | -30160 | -37449 | $0.000 | -4010ms |
बेंचमार्क कवरेज अलग है: 52/54 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Cobuddymediumनिःशुल्क उपलब्धvsGranite 4.2 8BnoneCobuddymediumनिःशुल्क उपलब्धvsMercury 2noneCobuddymediumनिःशुल्क उपलब्धvsTrinity Large Previewdefaultनिःशुल्क उपलब्धCobuddymediumनिःशुल्क उपलब्धvsMiniMax M2.5mediumCobuddymediumनिःशुल्क उपलब्धvsKAT Coder AIR V2.5defaultCobuddymediumनिःशुल्क उपलब्धvsGLM 4.7 FlashmediumCobuddymediumनिःशुल्क उपलब्धvsNemotron 3 Supernoneनिःशुल्क उपलब्धCobuddymediumनिःशुल्क उपलब्धvsgpt-oss-120bnoneCobuddymediumनिःशुल्क उपलब्धvsRing 2.6 1tdefaultCobuddymediumनिःशुल्क उपलब्धvsMercury 2.5none
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 8.7 | 7.9 | |
| कोडिंग | 4.3 | 1.1 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 6.3 | 5.8 | |
| डोमेन-विशिष्ट | 2.9 | 7.2 | |
| Samanya Buddhimatta | 4.2 | 9.9 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 3.7 | 6.8 | |
| टूल कॉलिंग | 10.0 | 10.0 |