Advertise here
#177

Seed-2.0-Code

Bytedance Seed रिलीज़: 2026-08-12 परीक्षण किया गया: 2026-10-01 04:14 bytedance-seed/seed-2.0-code::high
~200B कुल (~20B सक्रिय)MoEबंद स्रोतअनुमानित
(high) (medium) (low) (none)

सारांश

Seed-2.0-Code AI BENCHY पर 7.5 स्कोर करता है और #177 पर है। इसकी reliability 9.0, pass rate 65.2%, कुल लागत $1.448, और औसत response time 124.87s है।

Seed-2.0-Code को अलग क्या बनाता है: यह डेटा पार्सिंग और निष्कर्षण में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि Samanya Buddhimatta इसकी सबसे कमजोर जगह है, जहाँ यह #14 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-12

अनुमानित
पैरामीटर
~200B कुल (~20B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
लाइसेंस
-

सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

7.5

संगति

7.9

विश्वसनीयता

9.0

कुल लागत (वर्तमान कीमत)

$1.448

कुल आउटपुट टोकन

432,850

कुल इनपुट टोकन

297,321

इनपुट कीमत

$0.500 / 1M

आउटपुट कीमत

$3.000 / 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।

सही परीक्षण

गलत टेस्ट: 11

प्रति प्रयास पास दर: 65.2%

अस्थिर टेस्ट

5

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

124.87s

प्रतिक्रिया समय (अधिकतम): 675.30s

प्रतिक्रिया समय (कुल): 2871.96s

गलत उत्तर: 6 API त्रुटि: 3 निर्देशों का पालन नहीं किया: 1 कोई उत्तर नहीं: 1

Hamster playing table tennis

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

#177 Seed-2.0-Code

high
लागत
$0.037
समय
183.6s
टोकन
12,388 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 04:14 दोबारा परीक्षण 7.5 9.0 $1.448 वर्तमान रन
2026-08-12 23:09 पहला रन 6.9 6.0 $1.312 तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Seed-2.0-CodehighvsMistral Large 4highSeed-2.0-CodehighvsGPT-5.6 LunamediumSeed-2.0-CodehighvsSeed-2.0-MinimediumSeed-2.0-CodehighvsQwen3.6 FlashmediumSeed-2.0-CodehighvsGLM 5.1mediumSeed-2.0-CodehighvsDeepSeek V4 Flash 0731lowSeed-2.0-CodehighvsSpace Bunny AlphahighSeed-2.0-CodehighvsSeed-2.0-CodemediumSeed-2.0-CodehighvsQwen3.8 27Blowनिःशुल्क उपलब्धSeed-2.0-CodehighvsGLM 5.3 FlashXhigh

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 10.0 10.0
एंटी-एआई ट्रिक्स 8.3 10.0
कोडिंग 6.2 6.5
संयुक्त 7.3 5.8
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.5 4.4
Samanya Buddhimatta 4.6 7.8
निर्देश पालन 9.8 10.0
पहेली समाधान 7.8 9.3
टूल कॉलिंग 4.7 1.6
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल