#106 Owl Alpha
none
Provider returned error
- Biaya
- $0.000
- Waktu
- 0.2s
- Token
- 0 tok
Openrouter
Rilis: 2026-04-30
Diuji pada: 2026-05-22 00:42
openrouter/owl-alpha::none
1.6T total (48B aktif)MoESumber terbuka
(medium)
(none)
Ringkasan
Owl Alpha mendapat skor 5.7 di AI BENCHY dan berada di peringkat #106. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 41.7%, total biaya $0.000, dan waktu respons rata-rata 8.84s.
Yang membuat Owl Alpha unik: Total biaya benchmark-nya sangat rendah untuk kisaran skornya.
Model diarsipkan: model ini tidak lagi diperbarui atau diuji pada pengujian baru.
Catatan identitas
Owl Alpha adalah versi stealth dari Meituan: LongCat 2.0.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 1.6T total (48B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- MIT
5.7
Konsistensi
9.2
10.0
$0.000
Total token output
4,864
Total token input
0
Harga input
$0.000 / 1M
Harga output
$0.000 / 1M
Tes tidak stabil
2
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
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 14:29 Tes baru ditambahkan | 5.6 | 10.0 | $0.000 | Bandingkan | |
| 2026-05-22 00:42 Suite berubah | 5.7 | 10.0 | $0.000 | Run saat ini | |
| 2026-04-30 17:24 Uji ulang | 6.0 | 10.0 | $0.000 | Bandingkan | |
| 2026-04-30 15:31 Run awal | 6.0 | 10.0 | $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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:42 · Suite berubah | 60/60 percobaan | 5.7 | 9.2 | 10.0 | 7/20 | 2 | 4,864 | 0 | $0.000 | 8.84s |
| 2026-04-30 15:31 · Run awal | 54/54 percobaan | 6.0 | 9.1 | 10.0 | 7/18 | 2 | 1,671 | 0 | $0.000 | 7.06s |
| Selisih | — | -0.2 | +0.1 | 0.0 | 0 | 0 | +3193 | 0 | $0.000 | +1786ms |
Cakupan benchmark berbeda: 60/60 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.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
Total token output
Skor vs Total token output
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 3.4 | 7.9 | |
| Pemrograman | 7.0 | 9.9 | |
| Gabungan | 3.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 5.3 | 10.0 | |
| Kecerdasan umum | 4.3 | 10.0 | |
| Kepatuhan instruksi | 6.4 | 10.0 | |
| Pemecahan teka-teki | 5.9 | 7.2 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |