सारांश
Elephant Alpha AI BENCHY पर 5.4 स्कोर करता है और #122 पर है। इसकी reliability लागू नहीं, pass rate 33.3%, कुल लागत $0.000, और औसत response time 1.27s है।
Elephant Alpha को अलग क्या बनाता 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।
5.4
संगति
9.6
लागू नहीं
$0.000
कुल आउटपुट टोकन
2,596
कुल इनपुट टोकन
0
इनपुट कीमत
$0.000 / 1M
आउटपुट कीमत
$0.000 / 1M
अस्थिर टेस्ट
1
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
जनरेशन शोकेस
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 |
|---|---|---|---|---|---|
| 2026-06-04 14:27 नया टेस्ट जोड़ा गया | 5.1 | लागू नहीं | $0.000 | तुलना करें | |
| 2026-05-22 00:40 सूट बदला गया | 5.4 | लागू नहीं | $0.000 | वर्तमान रन | |
| 2026-04-22 12:55 पहला दर्ज रन | 5.2 | 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) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:40 · सूट बदला गया | 5.4 | 9.6 | लागू नहीं | 6/19 | 1 | 2,596 | 0 | $0.000 | 1.27s |
| 2026-04-22 12:55 · पहला दर्ज रन | 5.2 | 9.6 | लागू नहीं | 5/18 | 1 | 2,596 | 0 | $0.000 | 1.27s |
| अंतर | +0.1 | 0.0 | +2 | 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।
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 6.6 | 10.0 | |
| कोडिंग | 4.0 | 6.7 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 6.5 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 4.3 | 10.0 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 5.3 | 10.0 | |
| टूल कॉलिंग | 3.0 | 10.0 | |
| सामान्य ज्ञान | 0.0 | 0.0 |