???? ???
$1.050 / 1M
????? ???
$3.500 / 1M
अस्थिर टेस्ट
4
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-05-21 23:41 सूट बदला गया | 5.6 | 10.0 | $0.057 | तुलना करें | |
| 2026-05-08 13:04 सूट बदला गया | 5.7 | 10.0 | $0.053 | तुलना करें | |
| 2026-05-08 13:04 सूट बदला गया | 5.7 | 10.0 | $0.053 | तुलना करें | |
| 2026-04-22 12:55 पहला दर्ज रन | 5.6 | लागू नहीं | $0.053 | वर्तमान रन |
रन तुलना
| रन | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|
| 2026-04-22 12:55 · पहला दर्ज रन | 5.6 | 8.2 | लागू नहीं | 5/18 | 4 | 3,720 | $0.053 | 4.33s |
| 2026-05-08 13:04 · सूट बदला गया | 5.7 | 8.0 | 10.0 | 6/19 | 5 | 3,731 | $0.053 | 4.23s |
| अंतर | -0.1 | +0.2 | -1 | -1 | -11 | -$0.001 | +105ms |
इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।
चार्ट
पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।
स्कोर vs कुल लागत
प्रतिक्रिया समय (औसत)
स्कोर vs प्रतिक्रिया समय (औसत)
कुल आउटपुट टोकन
स्कोर vs कुल आउटपुट टोकन
त्वरित तुलना
GLM 5.1nonevsQwen3.5-FlashnoneGLM 5.1nonevsSeed-2.0-LitenoneGLM 5.1nonevsNemotron 3 Supermediumनिःशुल्क उपलब्धGLM 5.1nonevsOwl AlphamediumGLM 5.1nonevsDeepSeek V4 PrononeGLM 5.1nonevsQwen3.5 Plus 2026-04-20noneGLM 5.1nonevsGemini 3 Flash PreviewmediumGLM 5.1nonevsGemini 3.5 FlashhighGLM 5.1nonevsRing-2.6-1TmediumGLM 5.1nonevsGemini 3.5 Flashlow
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 4.0 | 6.3 | |
| कोडिंग | 5.1 | 9.1 | |
| संयुक्त | 2.8 | 2.1 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 2.9 | 7.2 | |
| Samanya Buddhimatta | 5.0 | 10.0 | |
| निर्देश पालन | 8.3 | 10.0 | |
| पहेली समाधान | 5.7 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 |