#250

Space Bunny Alpha

Stealth रिलीज़: 2026-09-24 परीक्षण किया गया: 2026-09-24 02:23 stealth/space-bunny-alpha::low

-अन्यबंद स्रोत

(max) (xhigh) (high) (medium) (low)

सारांश

Space Bunny Alpha AI BENCHY पर 5.9 स्कोर करता है और #250 पर है। इसकी reliability 10.0, pass rate 54.5%, कुल लागत $0.000, और औसत response time 27.98s है।

Space Bunny Alpha को अलग क्या बनाता है: यह कोडिंग में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि निर्देश पालन इसकी सबसे कमजोर जगह है, जहाँ यह #15 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

मॉडल विवरण

शोध की तारीख: 2026-09-24

पैरामीटर: -
आर्किटेक्चर: अन्य
उपलब्धता: बंद स्रोत
लाइसेंस: -

पैरामीटर स्रोत उपलब्धता स्रोत

स्कोर

5.9

संगति

6.7

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.000

कुल आउटपुट टोकन

183,554

कुल इनपुट टोकन

119,957

इनपुट कीमत

$0.000 / 1M

आउटपुट कीमत

$0.000 / 1M

सही परीक्षण

गलत टेस्ट: 14

प्रति प्रयास पास दर: 54.5%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

27.98s

प्रतिक्रिया समय (अधिकतम): 340.88s

प्रतिक्रिया समय (कुल): 615.47s

गलत उत्तर: 12 निर्देशों का पालन नहीं किया: 2

Hamster playing table tennis

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

#250 Space Bunny Alpha

low

लागत: $0.000
समय: 20.6s
टोकन: 3,462 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
एंटी-एआई ट्रिक्स	6.9	5.8
कोडिंग	5.6	4.7
संयुक्त	3.8	5.8
डेटा पार्सिंग और निष्कर्षण	10.0	10.0
डोमेन-विशिष्ट	5.3	7.2
Samanya Buddhimatta	4.4	9.9
निर्देश पालन	4.4	2.7
पहेली समाधान	7.9	9.9
टूल कॉलिंग	4.7	1.6
सामान्य ज्ञान	3.0	10.0

Space Bunny Alpha

मॉडल विवरण

Hamster playing table tennis

#250 Space Bunny Alpha

चार्ट

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

तुलना किए गए मॉडल