सारांश
Ling-2.6-flash AI BENCHY पर 5.3 स्कोर करता है और #118 पर है। इसकी reliability 10.0, pass rate 35.1%, कुल लागत $0.001, और औसत response time 9.76s है।
Ling-2.6-flash को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
5.3
संगति
9.2
10.0
$0.001
कुल आउटपुट टोकन
2,878
कुल इनपुट टोकन
0
इनपुट कीमत
$0.080 / 1M
आउटपुट कीमत
$0.240 / 1M
अस्थिर टेस्ट
2
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-07-16 23:16 नया टेस्ट जोड़ा गया | 4.9 | 10.0 | $0.002 ↑ | तुलना करें | |
| 2026-06-04 14:30 नया टेस्ट जोड़ा गया | 5.0 | 10.0 | $0.001 ↑ | तुलना करें | |
| 2026-05-22 00:42 सूट बदला गया | 5.3 | 10.0 | $0.001 | तुलना करें | |
| 2026-05-08 15:30 सूट बदला गया | 5.3 | 10.0 | $0.001 | वर्तमान रन | |
| 2026-04-22 12:55 पहला दर्ज रन | 5.4 | लागू नहीं | $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 | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:30 · सूट बदला गया | 5.3 | 9.2 | 10.0 | 6/19 | 2 | 2,878 | 0 | $0.001 | 9.76s |
| 2026-07-16 23:16 · नया टेस्ट जोड़ा गया | 4.9 | 9.3 | 10.0 | 6/22 | 2 | 14,903 | 114,375 | $0.002 | 10.68s |
| अंतर | +0.4 | -0.1 | 0.0 | 0 | 0 | -12025 | -114375 | -$0.002 | -920ms |
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 6.8 | 8.1 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 6.5 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 4.0 | 10.0 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 2.9 | 7.2 | |
| टूल कॉलिंग | 3.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |