AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#275

Hy4 preview

Tencent रिलीज़: 2026-08-29 परीक्षण किया गया: 2026-08-29 14:22 tencent/hy4-preview::none
770B कुल (49B सक्रिय)MoEमुक्त स्रोत
(low) (none)

सारांश

Hy4 preview AI BENCHY पर 4.1 स्कोर करता है और #275 पर है। इसकी reliability 1.3, pass rate 27.3%, कुल लागत $0.035, और औसत response time 51.97s है।

Hy4 preview को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #9 पर है।

मॉडल विवरण

शोध की तारीख: 2026-08-29

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

संगति

7.8

कुल आउटपुट टोकन

6,154

कुल इनपुट टोकन

23,473

इनपुट कीमत

$0.834 / 1M

आउटपुट कीमत

$2.501 / 1M

सही परीक्षण

गलत टेस्ट: 19

प्रति प्रयास पास दर: 27.3%

अस्थिर टेस्ट

6

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

प्रतिक्रिया समय (औसत)

51.97s

प्रतिक्रिया समय (अधिकतम): 96.84s

प्रतिक्रिया समय (कुल): 1143.28s

Hamster playing table tennis

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

#275 Hy4 preview

none
This operation was aborted
लागत
$0.000
समय
0.0s
टोकन
0 tok

रन इतिहास

परीक्षण किया गया स्कोर विश्वसनीयता सही परीक्षण कुल लागत तुलना करें
2026-08-29 15:55 दोबारा परीक्षण 4.7 3.0 $0.040 तुलना करें
2026-08-29 14:22 पहला रन 4.1 1.3 $0.035 वर्तमान रन

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 3.1 9.9
कोडिंग 3.1 7.2
संयुक्त 3.0 10.0
डेटा पार्सिंग और निष्कर्षण 6.3 5.8
डोमेन-विशिष्ट 5.9 7.2
Samanya Buddhimatta 5.1 10.0
निर्देश पालन 7.1 5.8
पहेली समाधान 4.0 4.9
टूल कॉलिंग 3.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना किए गए मॉडल