Advertise here
#276

Space Bunny Alpha

Stealth रिलीज़: 2026-09-24 परीक्षण किया गया: 2026-09-30 23:14 stealth/space-bunny-alpha::xhigh
-अन्यबंद स्रोत
(max) (xhigh) (high) (medium) (low)

सारांश

Space Bunny Alpha AI BENCHY पर 6.2 स्कोर करता है और #276 पर है। इसकी reliability 10.0, pass rate 55.1%, कुल लागत $0.000, और औसत response time 60.03s है।

Space Bunny Alpha को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि निर्देश पालन इसकी सबसे कमजोर जगह है, जहाँ यह #12 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।

पहचान नोट

Space Bunny Alpha, MiniMax: MiniMax M3.1 Flash का प्रीव्यू संस्करण था।

मॉडल विवरण

शोध की तारीख: 2026-10-19

पैरामीटर
-
आर्किटेक्चर
अन्य
उपलब्धता
बंद स्रोत
लाइसेंस
-
पैरामीटर स्रोत 1 पैरामीटर स्रोत 2 उपलब्धता स्रोत

स्कोर

6.2

संगति

7.1

विश्वसनीयता

10.0

कुल लागत (वर्तमान कीमत)

$0.000

कुल आउटपुट टोकन

381,919

कुल इनपुट टोकन

363,310

इनपुट कीमत

$0.000 / 1M

आउटपुट कीमत

$0.000 / 1M

कैश पढ़ने की कीमत

लागू नहीं

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: 14

प्रति प्रयास पास दर: 55.1%

अस्थिर टेस्ट

8

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

प्रतिक्रिया समय (औसत)

60.03s

प्रतिक्रिया समय (अधिकतम): 459.99s

प्रतिक्रिया समय (कुल): 1380.67s

गलत उत्तर: 9 निर्देशों का पालन नहीं किया: 2 कोई उत्तर नहीं: 2 अमान्य टूल कॉल: 1

Hamster playing table tennis

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

#276 Space Bunny Alpha

xhigh
लागत
$0.000
समय
98.6s
टोकन
10,913 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

Space Bunny AlphaxhighvsGrok 4.20mediumSpace Bunny AlphaxhighvsKAT-Coder-Pro V2.5mediumSpace Bunny AlphaxhighvsDeepSeek V4 Flash 0423noneSpace Bunny AlphaxhighvsDeepSeek V4 Flash 0731noneSpace Bunny AlphaxhighvsTrinity Large ThinkinglowSpace Bunny AlphaxhighvsGemini 3.1 Flash Lite PreviewnoneSpace Bunny AlphaxhighvsDeepSeek V3.2mediumSpace Bunny AlphaxhighvsClaude Fable 5.1lowSpace Bunny AlphaxhighvsSpace Bunny AlphamediumSpace Bunny AlphaxhighvsGemini 3.5 Flashnone

श्रेणी विवरण

श्रेणी स्कोर संगति सही परीक्षण
स्वायत्त एजेंट कार्य 5.2 3.2
एंटी-एआई ट्रिक्स 6.4 5.8
कोडिंग 6.6 5.0
संयुक्त 3.2 5.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.9 7.2
Samanya Buddhimatta 5.0 10.0
निर्देश पालन 5.6 5.8
पहेली समाधान 7.9 9.9
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल