सारांश
Hy3 preview AI BENCHY पर 5.5 स्कोर करता है और #159 पर है। इसकी reliability 10.0, pass rate 50.0%, कुल लागत $0.015, और औसत response time 24.56s है।
Hy3 preview को अलग क्या बनाता है: यह निर्देश पालन में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि Samanya Buddhimatta इसकी सबसे कमजोर जगह है, जहाँ यह #12 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
5.5
संगति
8.8
10.0
कुल आउटपुट टोकन
63,460
कुल इनपुट टोकन
21,045
इनपुट कीमत
$0.063 / 1M
आउटपुट कीमत
$0.210 / 1M
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 | 5.5 | 10.0 | $0.015 |