Advertise here
#218

Hy4 flash

Tencent रिलीज़: 2026-11-17 परीक्षण किया गया: 2026-11-17 19:07 tencent/hy4-flash::medium
~190B कुल (~12B सक्रिय)MoEबंद स्रोतअनुमानित
(medium) (none)

सारांश

Hy4 flash AI BENCHY पर 7.3 स्कोर करता है और #218 पर है। इसकी reliability 10.0, pass rate 72.5%, कुल लागत $0.098, और औसत response time 49.04s है।

Hy4 flash को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि पहेली समाधान इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है। यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।

मॉडल विवरण

शोध की तारीख: 2026-11-17

अनुमानित
पैरामीटर
~190B कुल (~12B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
लाइसेंस
-

सार्वजनिक साक्ष्यों पर आधारित सर्वोत्तम अनुमान; प्रदाता ने सभी मान जारी नहीं किए हैं।

संगति

8.6

कुल आउटपुट टोकन

617,409

कुल इनपुट टोकन

321,297

इनपुट कीमत

$0.035 / 1M

आउटपुट कीमत

$0.141 / 1M

कैश पढ़ने की कीमत

$0.002 / 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: 8

प्रति प्रयास पास दर: 72.5%

अस्थिर टेस्ट

4

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

प्रतिक्रिया समय (औसत)

49.04s

प्रतिक्रिया समय (अधिकतम): 265.97s

प्रतिक्रिया समय (कुल): 1127.83s

Hamster playing table tennis

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

#218 Hy4 flash

medium
लागत
$0.002
समय
53.7s
टोकन
13,619 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 4.7 3.1
एंटी-एआई ट्रिक्स 10.0 10.0
कोडिंग 7.4 7.0
संयुक्त 6.5 10.0
डेटा पार्सिंग और निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.9 7.2
Samanya Buddhimatta 10.0 10.0
निर्देश पालन 10.0 10.0
पहेली समाधान 5.9 7.2
टूल कॉलिंग 10.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल