AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#217

Hy4 preview

Tencent रिलीज़: 2026-08-29 परीक्षण किया गया: 2026-08-29 16:18 tencent/hy4-preview::low
770B कुल (49B सक्रिय)MoEमुक्त स्रोत
(low) (none)

सारांश

Hy4 preview AI BENCHY पर 5.6 स्कोर करता है और #217 पर है। इसकी reliability 5.4, pass rate 19.7%, कुल लागत $1.745, और औसत response time 214.25s है।

Hy4 preview को अलग क्या बनाता है: यह Samanya Buddhimatta में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि संयुक्त इसकी सबसे कमजोर जगह है, जहाँ यह #11 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: 2026-08-29

घोषित
पैरामीटर
770B कुल (49B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
मुक्त स्रोत
लाइसेंस
Apache-2.0

संगति

8.5

कुल आउटपुट टोकन

682,538

कुल इनपुट टोकन

45,154

इनपुट कीमत

$0.834 / 1M

आउटपुट कीमत

$2.501 / 1M

सही परीक्षण

गलत टेस्ट: 19

प्रति प्रयास पास दर: 19.7%

अस्थिर टेस्ट

3

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

प्रतिक्रिया समय (औसत)

214.25s

प्रतिक्रिया समय (अधिकतम): 597.45s

प्रतिक्रिया समय (कुल): 4713.56s

Hamster playing table tennis

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

#217 Hy4 preview

low
Provider returned error
लागत
$0.000
समय
1.1s
टोकन
0 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-29 15:57 दोबारा परीक्षण 5.1 3.6 $1.681 वर्तमान रन
2026-08-29 14:28 पहला रन 4.3 1.6 $1.433 तुलना करें

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
एंटी-एआई ट्रिक्स 6.0 8.9
कोडिंग 5.2 8.6
संयुक्त 2.9 5.8
डेटा पार्सिंग और निष्कर्षण 8.7 10.0
डोमेन-विशिष्ट 4.5 10.0
Samanya Buddhimatta 7.5 10.0
निर्देश पालन 9.8 10.0
पहेली समाधान 5.3 5.0
टूल कॉलिंग 3.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल