AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#238

Beam 1.0 501B A23B

Reflection रिलीज़: 2026-10-17 परीक्षण किया गया: 2026-10-17 10:59 reflection/beam-1.0-501b-a23b::low
501B कुल (23B सक्रिय)MoEमुक्त स्रोत

सारांश

Beam 1.0 501B A23B AI BENCHY पर 6.4 स्कोर करता है और #238 पर है। इसकी reliability 10.0, pass rate 60.9%, कुल लागत $0.432, और औसत response time 4.89s है।

Beam 1.0 501B A23B को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि स्वायत्त एजेंट कार्य इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है। यह समान मॉडलों की तुलना में काफ़ी तेज है।

मॉडल विवरण

शोध की तारीख: 2026-10-17

घोषित
पैरामीटर
501B कुल (23B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
मुक्त स्रोत
लाइसेंस
Apache-2.0

संगति

8.0

कुल आउटपुट टोकन

71,250

कुल इनपुट टोकन

218,076

इनपुट कीमत

$1.000 / 1M

आउटपुट कीमत

$3.000 / 1M

कैश पढ़ने की कीमत

$0.100 / 1M

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।

सही परीक्षण

गलत टेस्ट: 12

प्रति प्रयास पास दर: 60.9%

अस्थिर टेस्ट

6

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

प्रतिक्रिया समय (औसत)

4.89s

प्रतिक्रिया समय (अधिकतम): 29.49s

प्रतिक्रिया समय (कुल): 112.55s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#238 Beam 1.0 501B A23B

low
लागत
$0.006
समय
12.0s
टोकन
4,777 tok

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
स्वायत्त एजेंट कार्य 3.0 10.0
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 10.0 10.0
संयुक्त 3.0 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 2.9 4.4
Samanya Buddhimatta 6.5 3.4
निर्देश पालन 8.4 6.9
पहेली समाधान 6.1 4.7
टूल कॉलिंग 3.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल