#46 GLM 5.1
medium- लागत
- $0.000
- समय
- 300.0s
- टोकन
- 0 tok
सारांश
GLM 5.1 AI BENCHY पर 7.6 स्कोर करता है और #46 पर है। इसकी reliability 0.0, pass rate 71.9%, कुल लागत $0.209, और औसत response time 24.43s है।
शोध की तारीख: 2026-08-12
7.6
संगति
8.7
0.0
$0.209
कुल आउटपुट टोकन
59,356
कुल इनपुट टोकन
0
इनपुट कीमत
$1.050 / 1M
आउटपुट कीमत
$3.500 / 1M
कैश पढ़ने की कीमत
लागू नहीं
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
3
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 |
|---|---|---|---|---|---|
| 2026-08-14 01:58 दोबारा परीक्षण | 7.0 | 8.1 | $1.053 ↑ | तुलना करें | |
| 2026-07-16 21:29 नया टेस्ट जोड़ा गया | 7.1 | 8.3 | $0.535 ↓ | तुलना करें | |
| 2026-06-04 13:06 नया टेस्ट जोड़ा गया | 7.3 | 6.7 | $0.292 ↓ | तुलना करें | |
| 2026-05-21 23:46 सूट बदला गया | 7.4 | 3.3 | $0.286 | तुलना करें | |
| 2026-05-08 14:41 सूट बदला गया | 7.6 | 0.0 | $0.209 | तुलना करें | |
| 2026-05-08 14:41 सूट बदला गया | 7.6 | 0.0 | $0.209 | वर्तमान रन | |
| 2026-04-22 12:55 पहला दर्ज रन | 7.8 | लागू नहीं | $0.201 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 10.0 | 10.0 | |
| कोडिंग | 4.7 | 1.6 | |
| संयुक्त | 9.5 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| निर्देश पालन | 6.4 | 5.8 | |
| पहेली समाधान | 8.2 | 7.2 | |
| टूल कॉलिंग | 3.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |