नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Anthropic: Claude Sonnet 4.6 vs ByteDance Seed: Seed-2.0-Lite

Seed-2.0-Lite (medium) average score मध्ये पुढे आहे: 7.9 vs 7.8. Seed-2.0-Lite (medium) चा benchmark खर्च कमी आहे: $0.234 vs $2.057. Claude Sonnet 4.6 (medium) वेगवान आहे: 25.91s vs 48.53s, pass rates 66.7% vs 74.2%.

शिफारस केलेले मॉडेलSeed-2.0-Lite (medium)It has the best score here (7.9), while costing about 8.8x less than Claude Sonnet 4.6 (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-25

मेट्रिक Claude Sonnet 4.6 Claude Sonnet 4.6 medium प्रकाशन: 2026-02-17 Seed-2.0-Lite Seed-2.0-Lite medium प्रकाशन: 2026-02-14
स्कोअर 7.8 7.9
क्रमांक #47 #42
विश्वसनीयता 10.0 10.0
सुसंगतता 9.2 8.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 66.7% 74.2%
अस्थिर चाचण्या 2 4
एकूण रन 66 66
प्रति निकाल खर्च 14.692 1.669
एकूण खर्च $2.057 $0.234
इनपुट किंमत $3.000 / 1M $0.250 / 1M
आउटपुट किंमत $15.000 / 1M $2.000 / 1M
एकूण इनपुट टोकन्स 106,292 129,897
आउटपुट टोकन्स 80,748 12,533
रिझनिंग टोकन्स 35,117 88,047
प्रतिसाद वेळ (सरासरी) 25.91s 48.53s
प्रतिसाद वेळ (कमाल) 140.96s 254.92s
प्रतिसाद वेळ (एकूण) 362.78s 1067.74s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#47 Claude Sonnet 4.6

medium
अवैध SVG
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 tok

#42 Seed-2.0-Lite

medium
खर्च
$0.005
वेळ
86.7s
टोकन्स
2,354 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Sonnet 4.6 5.7 6.6 44.4% 1 33.29s 6,995 16,089 3,686
Seed-2.0-Lite 8.0 9.8 66.7% 0 156.74s 8,247 458 31,890

झटपट तुलना

तुलना जोडी बदला