- स्कोर
- 8.6 (+0.44 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.061 · 93.1% सस्ता
- प्रतिक्रिया समय (औसत)
- 7.51s · 89.7% तेज़
Bytedance Seed
रिलीज़: 2026-08-12
परीक्षण किया गया: 2026-10-01 04:08
bytedance-seed/seed-2.0-code::low
~200B कुल (~20B सक्रिय)MoEबंद स्रोतअनुमानित
सारांश
Seed-2.0-Code AI BENCHY पर 8.1 स्कोर करता है और #130 पर है। इसकी reliability 8.9, pass rate 78.3%, कुल लागत $0.881, और औसत response time 73.02s 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 निर्देश पालन 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
- 8.3 (+0.13 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.047 · 94.7% सस्ता
- प्रतिक्रिया समय (औसत)
- 18.07s · 75.3% तेज़
- स्कोर
- 9.4 (+1.23 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.183 · 79.3% सस्ता
- प्रतिक्रिया समय (औसत)
- 6.24s · 91.5% 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।
8.1
संगति
7.9
8.9
$0.881
कुल आउटपुट टोकन
253,807
कुल इनपुट टोकन
237,604
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
6
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.
#130 Seed-2.0-Code
low
Provider returned error
- लागत
- $0.000
- समय
- 0.3s
- टोकन
- 0 tok
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-10-01 04:08 दोबारा परीक्षण | 8.1 | 8.9 | $0.881 | वर्तमान रन | |
| 2026-08-12 22:39 पहला रन | 7.7 | 5.7 | $0.681 | 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।
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-CodelowvsKimi K3.1 ProhighSeed-2.0-CodelowvsDeepSeek V4 Pro 0423highSeed-2.0-CodelowvsSeed-2.0-LitemediumSeed-2.0-CodelowvsClaude Opus 4.7mediumSeed-2.0-CodelowvsGLM 5.3 FlashX LegalhighSeed-2.0-CodelowvsDeepSeek V4 Flash 0423highSeed-2.0-CodelowvsGPT-5.6 TerramediumSeed-2.0-CodelowvsDeepSeek V4.1 FlashlowSeed-2.0-CodelowvsGLM 5.2mediumSeed-2.0-CodelowvsGPT-5.6 Lunahigh
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 10.0 | 10.0 | |
| एंटी-एआई ट्रिक्स | 8.7 | 7.9 | |
| कोडिंग | 7.0 | 7.1 | |
| संयुक्त | 7.3 | 5.8 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 4.1 | 4.4 | |
| Samanya Buddhimatta | 6.5 | 3.4 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 9.9 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |