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

AI BENCHY Compare

ByteDance Seed: Seed-2.0-Lite vs xAI: Grok 4.5

सारांश

Seed-2.0-Lite (medium) average score मध्ये पुढे आहे: 8.5 vs 7.8. Seed-2.0-Lite (medium) चा benchmark खर्च कमी आहे: $0.175 vs $0.760. Grok 4.5 (low) वेगवान आहे: 15.48s vs 47.07s, pass rates 76.2% vs 74.6%.

शिफारस केलेले मॉडेलSeed-2.0-Lite (medium)It has the best score here (8.5), while costing about 4.3x less than Grok 4.5 (low).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14

मेट्रिक Seed-2.0-Lite Seed-2.0-Lite medium प्रकाशन: 2026-02-14 Grok 4.5 Grok 4.5 low प्रकाशन: 2026-07-08
स्कोअर 8.5 7.8
क्रमांक #21 #41
विश्वसनीयता 10.0 10.0
सुसंगतता 9.0 9.7
बरोबर चाचण्या
प्रति प्रयत्न पास दर 76.2% 74.6%
अस्थिर चाचण्या 3 1
एकूण रन 63 63
प्रति निकाल खर्च 1.250 5.061
एकूण खर्च $0.175 $0.760
इनपुट किंमत $0.250 / 1M $2.000 / 1M
आउटपुट किंमत $2.000 / 1M $6.000 / 1M
एकूण इनपुट टोकन्स 46,740 58,652
आउटपुट टोकन्स 3,230 1,735
रिझनिंग टोकन्स 78,406 105,233
प्रतिसाद वेळ (सरासरी) 47.07s 15.48s
प्रतिसाद वेळ (कमाल) 254.92s 205.28s
प्रतिसाद वेळ (एकूण) 988.37s 324.98s

जनरेशन शोकेस

Hamster playing table tennis

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

#21 Seed-2.0-Lite

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

#41 xAI: Grok 4.5

low
खर्च
$0.011
वेळ
12.4s
टोकन्स
2,018 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-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 13.72s 9,579 303 15,641

झटपट तुलना

तुलना जोडी बदला