- स्कोर
- 8.6 (+1.10 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.061 · 95.8% सस्ता
- प्रतिक्रिया समय (औसत)
- 7.51s · 94.0% तेज़
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
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।
सुझाए गए विकल्प
हम इसकी जगह इनमें से एक मॉडल चुनने की सलाह देते हैं:
- स्कोर
- 9.4 (+1.89 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.183 · 87.4% सस्ता
- प्रतिक्रिया समय (औसत)
- 6.24s · 95.0% तेज़
- स्कोर
- 8.3 (+0.79 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.047 · 96.8% सस्ता
- प्रतिक्रिया समय (औसत)
- 18.07s · 85.5% तेज़
मॉडल विवरण
शोध की तारीख: 2026-08-12
- 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।
7.5
संगति
7.9
9.0
$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।
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.
#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।
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 04:14 · वर्तमान रन | 69/69 प्रयास | 7.5 | 7.9 | 9.0 | 12/23 | 5 | 432,850 | 297,321 | $1.448 | 124.87s |
| 2026-08-12 23:09 · पहला रन | 66/66 प्रयास | 6.9 | 7.0 | 6.0 | 11/22 | 8 | 423,424 | 81,961 | $1.312 | 127.79s |
| अंतर | — | +0.6 | +0.9 | +3.0 | +1 | -3 | +9426 | +215360 | +$0.136 | -2917ms |
बेंचमार्क कवरेज अलग है: 69/69 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 66/66 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
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 |