#159

North Mini Code

Cohere रिलीज़: 2026-06-18 परीक्षण किया गया: 2026-07-16 23:46 cohere/north-mini-code::medium

(medium) (none)

सारांश

North Mini Code AI BENCHY पर 5.9 स्कोर करता है और #159 पर है। इसकी reliability 8.6, pass rate 48.5%, कुल लागत $0.000, और औसत response time 137.11s है।

North Mini Code को अलग क्या बनाता है: यह एंटी-एआई ट्रिक्स में सबसे अलग दिखता है, जहाँ इसकी रैंक #3 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #10 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है। यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।

स्कोर

5.9

संगति

8.5

विश्वसनीयता

8.6

कुल लागत (वर्तमान कीमत)

$0.000

कुल आउटपुट टोकन

1,766,801

कुल इनपुट टोकन

81,813

इनपुट कीमत

$0.000 / 1M

आउटपुट कीमत

$0.000 / 1M

सही परीक्षण

गलत टेस्ट: 13

प्रति प्रयास पास दर: 48.5%

बेंचमार्क कवरेज: 22/22 टेस्ट · 58/66 प्रयास

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

137.11s

प्रतिक्रिया समय (अधिकतम): 786.72s

प्रतिक्रिया समय (कुल): 3016.42s

गलत उत्तर: 9 अतिरिक्त फॉर्मेटिंग: 2 API त्रुटि: 1 अमान्य टूल कॉल: 1

Hamster playing table tennis

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

#159 North Mini Code

medium

लागत: $0.000
समय: 51.8s
टोकन: 12,460 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	सही परीक्षण	कुल लागत	तुलना करें
2026-07-16 23:46 नया टेस्ट जोड़ा गया	5.9	8.6		$0.000	वर्तमान रन
2026-06-18 09:44 पहला रन	5.8	8.5		$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)
2026-07-16 23:46 · वर्तमान रन	22/22 टेस्ट · 58/66 प्रयास	5.9	8.5	8.6	9/22	4	1,766,801	81,813	$0.000	137.11s
2026-06-18 09:44 · पहला रन	21/21 टेस्ट · 55/63 प्रयास	5.8	8.5	8.5	9/21	4	1,446,261	32,891	$0.000	106.18s
अंतर	—	0.0	0.0	+0.1	0	0	+320540	+48922	$0.000	+30934ms

बेंचमार्क कवरेज अलग है: 22/22 टेस्ट · 58/66 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 21/21 टेस्ट · 55/63 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।

कीमत का इतिहास

OpenRouter से इस मॉडल का ऐतिहासिक मूल्य डेटा।

तारीख	इनपुट कीमत	आउटपुट कीमत
2026-06-18 09:34	$0.000 / 1M	$0.000 / 1M

चार्ट

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

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	8.4	10.0
कोडिंग	4.5	4.9
संयुक्त	2.9	5.8
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	5.3	7.2
Samanya Buddhimatta	5.1	10.0
निर्देश पालन	9.8	10.0
पहेली समाधान	3.3	10.0
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

North Mini Code

Hamster playing table tennis

#159 North Mini Code

चार्ट

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

श्रेणी विवरण

तुलना किए गए मॉडल