#152 LiquidAI: LFM2-24B-A2B
default
Reached the allocated time limit (300 seconds) without receiving showcase output.
- लागत
- $0.000
- समय
- 300.0s
- टोकन
- 0 tok
Liquid
रिलीज़: 2026-02-24
परीक्षण किया गया: 2026-05-06 14:04
liquid/lfm-2-24b-a2b::none
24B कुल (2.3B सक्रिय)MoEवेट उपलब्ध सारांश
LFM2-24B-A2B AI BENCHY पर 4.2 स्कोर करता है और #152 पर है। इसकी reliability लागू नहीं, pass rate 18.8%, कुल लागत $0.001, और औसत response time 811ms है।
LFM2-24B-A2B को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है। यह समान मॉडलों की तुलना में काफ़ी तेज है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 24B कुल (2.3B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- वेट उपलब्ध
- लाइसेंस
- LFM-1.0
4.2
संगति
9.0
लागू नहीं
$0.001
कुल आउटपुट टोकन
1,185
कुल इनपुट टोकन
0
इनपुट कीमत
$0.030 / 1M
आउटपुट कीमत
$0.120 / 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
2
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.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-05-06 14:04 दोबारा परीक्षण | 2.2 | लागू नहीं | $0.001 | तुलना करें | |
| 2026-05-06 14:04 दोबारा परीक्षण | 2.2 | लागू नहीं | $0.001 | तुलना करें | |
| 2026-05-06 14:04 दोबारा परीक्षण | 4.2 | लागू नहीं | $0.001 | तुलना करें | |
| 2026-05-06 14:04 दोबारा परीक्षण | 4.2 | लागू नहीं | $0.001 | वर्तमान रन | |
| 2026-05-06 14:04 सूट बदला गया | 4.2 | लागू नहीं | $0.001 | तुलना करें | |
| 2026-04-10 23:27 पहला दर्ज रन | 4.1 | लागू नहीं | $0.001 | तुलना करें |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 14:04 · दोबारा परीक्षण | 48/48 प्रयास | 4.2 | 9.0 | लागू नहीं | 2/16 | 2 | 1,185 | 0 | $0.001 | 811ms |
| 2026-04-10 23:27 · पहला दर्ज रन | 48/48 प्रयास | 4.1 | 9.0 | लागू नहीं | 1/16 | 2 | 1,185 | 0 | $0.001 | 811ms |
| अंतर | — | +0.1 | 0.0 | +1 | 0 | 0 | 0 | $0.000 | 0ms |
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।
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
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 3.3 | 9.8 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 3.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.9 | 7.2 | |
| Samanya Buddhimatta | 4.0 | 10.0 | |
| निर्देश पालन | 6.3 | 10.0 | |
| पहेली समाधान | 3.7 | 7.7 | |
| टूल कॉलिंग | 3.0 | 10.0 |