AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

#74

Laguna M.1

Poolside रिलीज़: 2026-04-28 परीक्षण किया गया: 2026-04-28 22:45 poolside/laguna-m.1::medium
(medium) (none)

संगति

8.6

कुल आउटपुट टोकन

63,822

???? ???

$0.000 / 1M

????? ???

$0.000 / 1M

सही परीक्षण

गलत टेस्ट: 10

प्रति प्रयास पास दर: 53.7%

अस्थिर टेस्ट

3

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

प्रतिक्रिया समय (औसत)

13.90s

प्रतिक्रिया समय (अधिकतम): 53.14s

प्रतिक्रिया समय (कुल): 250.28s

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 6.6 10.0
कोडिंग 4.3 1.1
संयुक्त 3.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 7.2
Samanya Buddhimatta 4.1 10.0
निर्देश पालन 10.0 10.0
पहेली समाधान 3.6 7.2
टूल कॉलिंग 10.0 10.0

तुलना किए गए मॉडल