Advertise here
#83

Seed 2.1 Turbo

Bytedance Seed रिलीज़: 2026-08-12 परीक्षण किया गया: 2026-10-01 04:03 bytedance-seed/seed-2-1-turbo::medium
~200B कुल (~20B सक्रिय)MoEबंद स्रोतअनुमानित
(high) (medium) (low) (none)

सारांश

Seed 2.1 Turbo AI BENCHY पर 8.7 स्कोर करता है और #83 पर है। इसकी reliability 10.0, pass rate 79.7%, कुल लागत $2.042, और औसत response time 189.13s है।

Seed 2.1 Turbo को अलग क्या बनाता है: यह पहेली समाधान में सबसे अलग दिखता है, जहाँ इसकी रैंक #4 है; जबकि डोमेन-विशिष्ट इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है। यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।

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

8.7

संगति

8.2

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$2.042

कुल आउटपुट टोकन

769,582

कुल इनपुट टोकन

234,572

इनपुट कीमत

$0.500 / 1M

आउटपुट कीमत

$2.500 / 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: 7

प्रति प्रयास पास दर: 79.7%

अस्थिर टेस्ट

5

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

प्रतिक्रिया समय (औसत)

189.13s

प्रतिक्रिया समय (अधिकतम): 885.33s

प्रतिक्रिया समय (कुल): 4349.92s

गलत उत्तर: 5 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.

#83 Seed 2.1 Turbo

medium
लागत
$0.099
समय
583.9s
टोकन
39,514 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-10-01 04:03 दोबारा परीक्षण 8.7 10.0 $2.042 वर्तमान रन
2026-08-12 22:48 पहला रन 8.4 9.9 $1.969 तुलना करें

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

रन तुलना

रनबेंचमार्क कवरेजस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-10-01 04:03 · वर्तमान रन69/69 प्रयास8.78.210.016/235769,582234,572$2.042189.13s
2026-08-12 22:48 · पहला रन66/66 प्रयास8.48.29.915/225766,465104,424$1.969197.04s
अंतर—+0.30.0+0.1+10+3117+130148+$0.073-7909ms

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।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

Seed 2.1 TurbomediumvsMiMo-V2.6-PromediumSeed 2.1 TurbomediumvsGPT-6 SollowSeed 2.1 TurbomediumvsQwen3.8 27Bhighनिःशुल्क उपलब्धSeed 2.1 TurbomediumvsClaude Fable 5.2highSeed 2.1 TurbomediumvsGPT-5.2mediumSeed 2.1 TurbomediumvsMuse EmberlowSeed 2.1 TurbomediumvsParticle-1xhighSeed 2.1 TurbomediumvsMuse EmbermaxSeed 2.1 TurbomediumvsMuse Spark 1.2lowSeed 2.1 TurbomediumvsDeepSeek V4.1 Flashmax

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 10.0 10.0
एंटी-एआई ट्रिक्स 8.2 7.9
कोडिंग 8.2 7.2
संयुक्त 10.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 4.4
Samanya Buddhimatta 6.1 3.1
निर्देश पालन 9.8 10.0
पहेली समाधान 9.9 10.0
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल