सारांश
Hy3 preview AI BENCHY पर 4.5 स्कोर करता है और #383 पर है। इसकी reliability 10.0, pass rate 47.8%, कुल लागत $0.042, और औसत response time 24.56s है।
Hy3 preview को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि स्वायत्त एजेंट कार्य इसकी सबसे कमजोर जगह है, जहाँ यह #11 पर है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
शोध की तारीख: 2026-08-12
4.5
संगति
8.4
10.0
कुल आउटपुट टोकन
63,460
कुल इनपुट टोकन
21,045
इनपुट कीमत
$0.180 / 1M
आउटपुट कीमत
$0.600 / 1M
कैश पढ़ने की कीमत
$0.060 / 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।
अस्थिर टेस्ट
2
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
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 14:31 नया टेस्ट जोड़ा गया | 4.5 | 10.0 | $0.042 |