Ringkasan
Ling-2.6-flash mendapat skor 4.3 di AI BENCHY dan berada di peringkat #256. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 28.8%, total biaya $0.000, dan waktu respons rata-rata 1.27s.
Yang membuat Ling-2.6-flash unik: Model ini paling menonjol di Kepatuhan instruksi, dengan peringkat #1, sementara Gabungan adalah area terlemahnya di #8. Total biaya benchmark-nya sangat rendah untuk kisaran skornya.
Model diarsipkan: model ini tidak lagi diperbarui atau diuji pada pengujian baru.
Catatan identitas
Elephant Alpha adalah versi stealth dari Ling-2.6-flash.
Halaman ini saat ini menampilkan data benchmark yang dikumpulkan dengan nama Elephant Alpha.
Ditelaah pada 2026-08-12
4.3
Konsistensi
9.2
T/A
$0.000
Total token output
2,596
Total token input
33,744
Harga input
$0.000 / 1M
Harga output
$0.000 / 1M
Tes tidak stabil
1
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-06-04 14:27 Tes baru ditambahkan | 4.3 | T/A | $0.000 | Run saat ini | |
| 2026-05-22 00:40 Suite berubah | 5.4 | T/A | $0.000 | Bandingkan | |
| 2026-04-22 12:55 Run pertama yang tercatat | 5.2 | T/A | $0.000 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-06-04 14:27 · Run saat ini | 63/66 percobaan | 4.3 | 9.2 | T/A | 6/21 | 1 | 2,596 | 33,744 | $0.000 | 1.27s |
| 2026-04-22 12:55 · Run pertama yang tercatat | 54/54 percobaan | 5.2 | 9.6 | T/A | 5/18 | 1 | 2,596 | 0 | $0.000 | 1.27s |
| Selisih | — | -1.0 | -0.4 | +1 | 0 | 0 | +33744 | $0.000 | 0ms |
Cakupan benchmark berbeda: 63/63 percobaan (Target: 3 pengulangan per tes) dibanding 54/54 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Riwayat harga
Data harga historis untuk model ini dari OpenRouter.
| Tanggal | Harga input | Harga output |
|---|---|---|
| 2026-06-04 15:40 | $0.000 / 1M | $0.000 / 1M |
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 6.6 | 10.0 | |
| Pemrograman | 3.7 | 7.8 | |
| Gabungan | 1.5 | 5.0 | |
| Parsing dan ekstraksi data | 6.5 | 10.0 | |
| Spesifik domain | 3.0 | 10.0 | |
| Kecerdasan umum | 4.3 | 10.0 | |
| Kepatuhan instruksi | 9.8 | 10.0 | |
| Pemecahan teka-teki | 5.3 | 10.0 | |
| Pemanggilan alat | 3.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |