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

Seed-2.0-Code (medium) vs GLM 5.3 FlashX (high)

average score जवळपास समान आहे: 7.4 vs 7.4. GLM 5.3 FlashX (high) चा benchmark खर्च कमी आहे: $0.210 vs $1.275. GLM 5.3 FlashX (high) वेगवान आहे: 14.94s vs 100.65s, pass rates 65.2% vs 69.6%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-26

तुलना केलेली मॉडेल्स

क्रमांक
#163
एकूण आउटपुट टोकन्स
384,093
प्रतिसाद वेळ (सरासरी)
100.65s
एकूण खर्च
$1.275
क्रमांक
#164
एकूण आउटपुट टोकन्स
97,728
प्रतिसाद वेळ (सरासरी)
14.94s
एकूण खर्च
$0.210
शिफारस केलेले मॉडेल GLM 5.3 FlashX (high)

It has the best score here (7.4), while costing about 6.1x less than Seed-2.0-Code (medium).

तपशीलवार तुलना

मेट्रिक Seed-2.0-Code Seed-2.0-Code medium प्रकाशन: 2026-08-12 GLM 5.3 FlashX GLM 5.3 FlashX high प्रकाशन: 2026-09-21
स्कोअर 7.4 7.4
क्रमांक #163 #164
विश्वसनीयता 8.0 10.0
सुसंगतता 7.4 8.2
प्रयत्न 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 65.2% 69.6%
अस्थिर चाचण्या 7 5
एकूण रन 69 69
प्रति निकाल खर्च 11.587 1.612
एकूण खर्च $1.275 $0.210
इनपुट किंमत $0.500 / 1M $0.370 / 1M
आउटपुट किंमत $3.000 / 1M $1.250 / 1M
कॅश वाचण्याची किंमत लागू नाही $0.090 / 1M
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 244,499 235,914
आउटपुट टोकन्स 8,744 8,147
रिझनिंग टोकन्स 375,349 89,581
प्रतिसाद वेळ (सरासरी) 100.65s 14.94s
प्रतिसाद वेळ (कमाल) 626.58s 91.16s
प्रतिसाद वेळ (एकूण) 2314.88s 343.65s
पॅरामीटर्स ~200B एकूण (~20B सक्रिय) 320B एकूण (18B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत

कॅशच्या किमती इनपुट टोकनला लागू होतात. वाचताना साठवलेले प्रॉम्प्ट पुन्हा वापरले जातात; लिहिताना ते साठवले जातात आणि अधिक खर्च होऊ शकतो. आउटपुट टोकनला आउटपुट किंमत लागू होते.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#163 Seed-2.0-Code

medium
खर्च
$0.026
वेळ
122.8s
टोकन्स
8,630 tok

#164 GLM 5.3 FlashX

high
खर्च
$0.030
वेळ
169.4s
टोकन्स
23,950 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
Seed-2.0-Code 8.9 7.8 88.9% 1 89.94s 8,247 496 44,062
GLM 5.3 FlashX 8.2 7.2 88.9% 1 8.06s 7,317 374 9,267

तुलना जोडी बदला