#150 LiquidAI: LFM2-24B-A2B
none
अमान्य SVG
- 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
सारांश
LFM2-24B-A2B AI BENCHY पर 4.2 स्कोर करता है और #150 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 डेटा पार्सिंग और निष्कर्षण इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
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
अस्थिर टेस्ट
2
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
जनरेशन शोकेस
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 | 4.2 | 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 सूट बदला गया | 4.2 | लागू नहीं | $0.001 | वर्तमान रन | |
| 2026-04-10 23:27 पहला दर्ज रन | 4.1 | लागू नहीं | $0.001 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
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
त्वरित तुलना
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 |