Seed-2.0-Lite (medium) vs Grok 4.5 (high)

Grok 4.5 (high) average score मध्ये पुढे आहे: 8.2 vs 8.2. Seed-2.0-Lite (medium) चा benchmark खर्च कमी आहे: $0.271 vs $2.571. Seed-2.0-Lite (medium) वेगवान आहे: 48.87s vs 72.50s, pass rates 71.0% vs 82.6%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-01

तुलना केलेली मॉडेल्स

क्रमांक: #85
एकूण आउटपुट टोकन्स: 106,419
प्रतिसाद वेळ (सरासरी): 48.87s
एकूण खर्च: $0.271

क्रमांक: #82
एकूण आउटपुट टोकन्स: 333,632
प्रतिसाद वेळ (सरासरी): 72.50s
एकूण खर्च: $2.571

शिफारस केलेले मॉडेल Seed-2.0-Lite (medium)

Its score stays close to the best score here (8.2 vs 8.2), while costing about 9.5x less than Grok 4.5 (high).

तपशीलवार तुलना

मेट्रिक	Seed-2.0-Lite Seed-2.0-Lite medium प्रकाशन: 2026-02-14	Grok 4.5 Grok 4.5 high प्रकाशन: 2026-07-08

मेट्रिक	Seed-2.0-Lite Seed-2.0-Lite medium प्रकाशन: 2026-02-14	Grok 4.5 Grok 4.5 high प्रकाशन: 2026-07-08
स्कोअर	8.2	8.2
क्रमांक	#85	#82
विश्वसनीयता	10.0	10.0
सुसंगतता	8.7	8.9
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	71.0%	82.6%
अस्थिर चाचण्या	4	3
एकूण रन	69	69
प्रति निकाल खर्च	1.931	15.123
एकूण खर्च	$0.271	$2.571
इनपुट किंमत	$0.250 / 1M	$2.000 / 1M
आउटपुट किंमत	$2.000 / 1M	$6.000 / 1M
एकूण इनपुट टोकन्स	229,530	342,124
आउटपुट टोकन्स	13,757	7,135
रिझनिंग टोकन्स	92,662	326,497
प्रतिसाद वेळ (सरासरी)	48.87s	72.50s
प्रतिसाद वेळ (कमाल)	254.92s	676.83s
प्रतिसाद वेळ (एकूण)	1123.91s	1667.51s
पॅरामीटर्स	~200B एकूण (~20B सक्रिय)	~1.7T एकूण (~170B सक्रिय)
उपलब्धता	बंद स्रोत	बंद स्रोत

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#85 Seed-2.0-Lite

medium

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

#82 SpaceXAI: Grok 4.5

high

खर्च: $0.015
वेळ: 29.7s
टोकन्स: 2,737 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

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	10.0	10.0	100.0%	0		69.33s	99,624	1,227	3,896
Grok 4.5	5.0	10.0	0.0%	0		76.95s	189,949	1,480	7,690

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	8.3	10.0	75.0%	0		17.99s	942	996	7,142
Grok 4.5	10.0	10.0	100.0%	0		5.67s	2,991	204	4,545

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	8.0	9.8	66.7%	0		156.74s	8,247	458	31,890
Grok 4.5	10.0	10.0	100.0%	0		155.16s	9,579	357	100,752

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	6.4	5.8	66.7%	1		58.52s	99,411	9,809	13,940
Grok 4.5	10.0	10.0	100.0%	0		35.56s	113,448	4,299	13,004

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	10.0	10.0	100.0%	0		9.07s	8,562	246	1,742
Grok 4.5	10.0	10.0	100.0%	0		7.63s	8,937	225	3,888

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	3.6	7.2	22.2%	1		84.35s	852	12	24,616
Grok 4.5	4.1	4.4	44.5%	2		301.27s	2,523	6	173,117

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	6.7	3.6	66.7%	1		18.25s	582	304	1,620
Grok 4.5	4.7	1.6	66.7%	1		9.82s	1,077	83	1,899

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	10.0	10.0	100.0%	0		7.26s	834	71	1,480
Grok 4.5	9.8	10.0	100.0%	0		6.23s	1,857	57	3,154

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	9.0	7.9	88.9%	1		10.23s	894	403	3,285
Grok 4.5	10.0	10.0	100.0%	0		7.88s	2,430	220	4,312

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	10.0	10.0	100.0%	0		12.38s	9,306	222	1,011
Grok 4.5	10.0	10.0	100.0%	0		5.71s	8,544	192	901

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Seed-2.0-Lite	3.0	10.0	0.0%	0		48.32s	276	9	2,040
Grok 4.5	3.0	10.0	0.0%	0		60.58s	789	12	13,235

झटपट तुलना

तुलना जोडी बदला

Grok 4.5highvsGLM 5.2medium Qwen3.7 PlusmediumvsGrok 4.5high GPT-5.6 TerramediumvsGrok 4.5high Claude Opus 4.8mediumvsGrok 4.5high GPT-6 LunamediumvsGrok 4.5high Kimi K3maxvsGrok 4.5high Seed-2.0-LitemediumvsDeepSeek V4 Pro 0423high Seed-2.0-LitemediumvsDeepSeek V4 Flash 0423high Seed-2.0-CodelowvsGrok 4.5high Seed-2.0-LitemediumvsDeepSeek V4.1 Flashlow Seed-2.0-LitemediumvsKimi K3max Seed-2.0-LitemediumvsGemini 3.5 Flashhigh