AI BENCHY
Advertise here
#28

Gemma 4 26B A4B

Google रिलीज़: 2026-04-03 परीक्षण किया गया: 2026-04-22 21:39 google/gemma-4-26b-a4b-it::medium
(medium) (none)

सारांश

Gemma 4 26B A4B AI BENCHY पर 8.0 स्कोर करता है और #28 पर है। इसकी reliability लागू नहीं, pass rate 75.9%, कुल लागत $0.028, और औसत response time 25.03s है।

Gemma 4 26B A4B को अलग क्या बनाता है: इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

संगति

9.0

विश्वसनीयता

लागू नहीं

कुल आउटपुट टोकन

60,559

कुल इनपुट टोकन

0

इनपुट कीमत

$0.070 / 1M

आउटपुट कीमत

$0.340 / 1M

सही परीक्षण

गलत टेस्ट: 5

प्रति प्रयास पास दर: 75.9%

अस्थिर टेस्ट

2

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

प्रतिक्रिया समय (औसत)

25.03s

प्रतिक्रिया समय (अधिकतम): 147.47s

प्रतिक्रिया समय (कुल): 425.48s

जनरेशन शोकेस

Hamster playing table tennis

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

#28 Gemma 4 26B A4B

medium
अमान्य SVG
लागत
$0.000
समय
300.0s
टोकन
0 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-06-04 14:22 नया टेस्ट जोड़ा गया 7.6 8.9 $0.045 तुलना करें
2026-05-22 00:42 सूट बदला गया 7.5 10.0 $0.045 तुलना करें
2026-04-22 21:39 पहला दर्ज रन 8.0 लागू नहीं $0.028 वर्तमान रन

रन तुलना

रनस्कोरसंगतिविश्वसनीयतासही परीक्षणअस्थिर टेस्टकुल आउटपुट टोकनकुल इनपुट टोकनकुल लागतप्रतिक्रिया समय (औसत)
2026-04-22 21:39 · पहला दर्ज रन8.09.0लागू नहीं13/18260,5590$0.02825.03s
2026-06-04 14:22 · नया टेस्ट जोड़ा गया7.69.28.914/212128,49040,252$0.04563.41s
अंतर+0.5-0.2-10-67931-40252-$0.017-38386ms

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

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 2.8 10.0
संयुक्त 9.6 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 4.4
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 10.0 10.0
पहेली समाधान 7.9 9.6
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल