#105 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: 2026-05-22 00:23
baidu/cobuddy::medium
सारांश
Cobuddy AI BENCHY पर 5.7 स्कोर करता है और #105 पर है। इसकी reliability 9.9, pass rate 51.7%, कुल लागत $0.000, और औसत response time 39.91s है।
Cobuddy को अलग क्या बनाता है: इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
5.7
संगति
7.0
9.9
$0.000
कुल आउटपुट टोकन
118,185
कुल इनपुट टोकन
0
इनपुट कीमत
$0.000 / 1M
आउटपुट कीमत
$0.000 / 1M
अस्थिर टेस्ट
7
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 | वर्तमान रन | |
| 2026-05-06 11:30 पहला दर्ज रन | 6.0 | 9.9 | $0.000 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:23 · सूट बदला गया | 20/20 टेस्ट · 60/60 प्रयास | 5.7 | 7.0 | 9.9 | 7/20 | 7 | 118,185 | 0 | $0.000 | 39.91s |
| 2026-06-04 13:47 · नया टेस्ट जोड़ा गया | 21/21 टेस्ट · 63/63 प्रयास | 4.7 | 7.2 | 10.0 | 7/21 | 6 | 118,380 | 37,449 | $0.000 | 39.90s |
| अंतर | — | +1.1 | -0.2 | -0.1 | 0 | +1 | -195 | -37449 | $0.000 | +12ms |
बेंचमार्क कवरेज अलग है: 20/20 टेस्ट · 60/60 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 21/21 टेस्ट · 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 उपलब्धvsQwen3 Coder NextmediumCobuddymediumनिःशुल्क उपलब्धvsMercury 2noneCobuddymediumनिःशुल्क उपलब्धvsTrinity Large PreviewnoneCobuddymediumनिःशुल्क उपलब्धvsMiniMax M2.5mediumCobuddymediumनिःशुल्क उपलब्धvsKAT-Coder-Air V2.5noneCobuddymediumनिःशुल्क उपलब्धvsLaguna S 2.1noneनिःशुल्क उपलब्धCobuddymediumनिःशुल्क उपलब्धvsTrinity Large ThinkinghighCobuddymediumनिःशुल्क उपलब्धvsGLM 4.7 FlashmediumCobuddymediumनिःशुल्क उपलब्धvsGPT-5.4 NanononeCobuddymediumनिःशुल्क उपलब्धvsGrok 4.20none
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 8.7 | 7.9 | |
| कोडिंग | 4.1 | 5.1 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 6.3 | 5.8 | |
| डोमेन-विशिष्ट | 2.9 | 4.4 | |
| Samanya Buddhimatta | 4.2 | 9.9 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 3.5 | 4.4 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |