- स्कोर
- 9.4 (+0.50 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.183 · 90.2% सस्ता
- प्रतिक्रिया समय (औसत)
- 6.24s · 77.9% तेज़
Unbiased
रिलीज़: 2026-10-15
परीक्षण किया गया: 2026-10-15 11:59
unbiased/pareto-26.9::none
-अन्यबंद स्रोत सारांश
Pareto 26.9 AI BENCHY पर 8.9 स्कोर करता है और #55 पर है। इसकी reliability 10.0, pass rate 79.7%, कुल लागत $1.864, और औसत response time 28.26s है।
Pareto 26.9 को अलग क्या बनाता है: यह डोमेन-विशिष्ट में सबसे अलग दिखता है, जहाँ इसकी रैंक #2 है; जबकि सामान्य ज्ञान इसकी सबसे कमजोर जगह है, जहाँ यह #16 पर है।
सुझाए गए विकल्प
हम इसकी जगह इनमें से एक मॉडल चुनने की सलाह देते हैं:
- स्कोर
- 9.1 (+0.26 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.140 · 92.5% सस्ता
- प्रतिक्रिया समय (औसत)
- 16.58s · 41.3% तेज़
- स्कोर
- 9.6 (+0.69 अंक)
- कुल लागत (वर्तमान कीमत)
- $0.460 · 75.4% सस्ता
- प्रतिक्रिया समय (औसत)
- 7.15s · 74.7% तेज़
मॉडल विवरण
शोध की तारीख: 2026-10-15
- पैरामीटर
- -
- आर्किटेक्चर
- अन्य
- उपलब्धता
- बंद स्रोत
- लाइसेंस
- -
8.9
संगति
8.1
10.0
$1.864
कुल आउटपुट टोकन
175,696
कुल इनपुट टोकन
218,199
इनपुट कीमत
$2.500 / 1M
आउटपुट कीमत
$7.500 / 1M
कैश पढ़ने की कीमत
$0.250 / 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
6
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#55 Pareto 26.9
default- लागत
- $0.038
- समय
- 109.6s
- टोकन
- 5,118 tok
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर के अनुसार शीर्ष मॉडल
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
Pareto 26.9defaultvsClaude Fable 5mediumPareto 26.9defaultvsQwen3.8 MAXlowPareto 26.9defaultvsMuse Spark 1.1mediumPareto 26.9defaultvsGPT-5.4mediumPareto 26.9defaultvsMuse Spark 1.2mediumPareto 26.9defaultvsDeepSeek V4.1 FlashhighPareto 26.9defaultvsMuse Spark 1.2highPareto 26.9defaultvsDeepSeek V4.1 FlashmediumPareto 26.9defaultvsGLM 5.3 FlashmaxPareto 26.9defaultvsMuse Spark 1.2low
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| स्वायत्त एजेंट कार्य | 10.0 | 10.0 | |
| एंटी-एआई ट्रिक्स | 7.5 | 8.4 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 8.2 | 6.9 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.9 | 7.2 | |
| Samanya Buddhimatta | 6.5 | 3.4 | |
| निर्देश पालन | 9.8 | 10.0 | |
| पहेली समाधान | 8.2 | 7.3 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 2.8 | 1.6 |