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

Command A+ (high) vs Span-02 (default)

Command A+ (high) average score मध्ये पुढे आहे: 3.2 vs 2.8. Span-02 (default) चा benchmark खर्च कमी आहे: $0.001 vs $0.079. Span-02 (default) वेगवान आहे: 1.36s vs 89.96s, pass rates 0.0% vs 26.1%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-17

तुलना केलेली मॉडेल्स

क्रमांक
#414
एकूण आउटपुट टोकन्स
28,663
प्रतिसाद वेळ (सरासरी)
89.96s
एकूण खर्च
$0.079
क्रमांक
#419
एकूण आउटपुट टोकन्स
0
प्रतिसाद वेळ (सरासरी)
1.36s
एकूण खर्च
$0.001
शिफारस केलेले मॉडेल Span-02 (default)

Its score stays close to the best score here (2.8 vs 3.2), while costing about 111.0x less than Command A+ (high).

तपशीलवार तुलना

मेट्रिक Command A+ Command A+ high प्रकाशन: 2026-09-23 Span-02 Span-02 default प्रकाशन: 2026-10-17
स्कोअर 3.2 2.8
क्रमांक #414 #419
विश्वसनीयता 3.5 10.0
सुसंगतता 10.0 5.2
प्रयत्न 69/69 36/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 0.0% 26.1%
अस्थिर चाचण्या 0 0
एकूण रन 69 36
प्रति निकाल खर्च 0.000 0.012
एकूण खर्च $0.079 $0.001
इनपुट किंमत $0.300 / 1M $0.010 / 1M
आउटपुट किंमत $1.500 / 1M $0.000 / 1M
कॅश वाचण्याची किंमत $0.150 / 1M लागू नाही
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 117,966 70,626
आउटपुट टोकन्स 5,149 0
रिझनिंग टोकन्स 23,514 0
प्रतिसाद वेळ (सरासरी) 89.96s 1.36s
प्रतिसाद वेळ (कमाल) 156.00s 5.71s
प्रतिसाद वेळ (एकूण) 2069.01s 16.37s
पॅरामीटर्स 218B एकूण (25B सक्रिय) 26B एकूण (4B सक्रिय)
उपलब्धता मुक्त स्रोत मुक्त 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.

#414 Command A+

high
Provider returned error
खर्च
$0.000
वेळ
0.2s
टोकन्स
0 tok

#419 Span-02

default
या मॉडेलसाठी अद्याप कोणताही शोकेस निकाल तयार झालेला नाही.
खर्च
लागू नाही
वेळ
-
टोकन्स
0 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
Command A+ 3.0 10.0 0.0% 0 92.74s 0 0 0
Span-02 4.9 6.7 33.3% 0 544ms 32,136 0 0

तुलना जोडी बदला

Command A+highvsXing4.0 29b A4bnoneमोफत उपलब्धCommand A+lowvsSpan-02defaultCommand A+highvsGrok 4.20noneCommand A+nonevsSpan-02defaultCommand A+highvsLing 3.0 TinymediumCommand A+highvsd1-ultradefaultSpan-02defaultvsXing4.0 29b A4bnoneमोफत उपलब्धCommand A+highvsLing 3.0 TinylowCommand A+highvsXing4.0 29b A4bmediumमोफत उपलब्धCommand A+highvsJev 1.13defaultCommand A+highvsDecider V1.2defaultCommand A+mediumvsSpan-02default