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

Command A+ (low) vs Kev 4B (default)

Command A+ (low) average score मध्ये पुढे आहे: 3.0 vs 2.4. Kev 4B (default) चा benchmark खर्च कमी आहे: $0.002 vs $0.073. Kev 4B (default) वेगवान आहे: 5.63s vs 92.50s, pass rates 1.5% vs 15.9%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-13

तुलना केलेली मॉडेल्स

क्रमांक
#474
एकूण आउटपुट टोकन्स
25,521
प्रतिसाद वेळ (सरासरी)
92.50s
एकूण खर्च
$0.073
क्रमांक
#486
एकूण आउटपुट टोकन्स
28,061
प्रतिसाद वेळ (सरासरी)
5.63s
एकूण खर्च
$0.002
शिफारस केलेले मॉडेल Kev 4B (default)

Its score stays close to the best score here (2.4 vs 3.0), while costing about 40.5x less than Command A+ (low).

तपशीलवार तुलना

मेट्रिक Command A+ Command A+ low प्रकाशन: 2026-09-23 Kev 4B Kev 4B default प्रकाशन: 2026-09-28
स्कोअर 3.0 2.4
क्रमांक #474 #486
विश्वसनीयता 3.5 10.0
सुसंगतता 9.6 4.9
प्रयत्न 69/69 36/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 1.5% 15.9%
अस्थिर चाचण्या 1 1
एकूण रन 69 36
प्रति निकाल खर्च 0.000 0.060
एकूण खर्च $0.073 $0.002
इनपुट किंमत $0.300 / 1M $0.042 / 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 114,874 42,804
आउटपुट टोकन्स 1,992 28,061
रिझनिंग टोकन्स 23,529 0
प्रतिसाद वेळ (सरासरी) 92.50s 5.63s
प्रतिसाद वेळ (कमाल) 128.54s 17.79s
प्रतिसाद वेळ (एकूण) 2127.40s 67.61s
पॅरामीटर्स 218B एकूण (25B सक्रिय) 4B
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.

#474 Command A+

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

#486 Jared Palmer: Kev 4B

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 86.43s 0 0 0
Kev 4B 4.5 6.7 33.3% 0 771ms 21,603 12,207 0

तुलना जोडी बदला

Command A+lowvsGemini Decision 1defaultCommand A+lowvsSpan-02defaultCommand A+lowvsd1-ultradefaultCommand A+lowvsXing4.0 29b A4bnoneमोफत उपलब्धCommand A+lowvsJev 1.13defaultCommand A+lowvsDecider V1.2defaultCommand A+lowvsReflexdefaultCommand A+lowvsGrok 4.20noneCommand A+lowvsDecider V1.1 27BdefaultCommand A+lowvsDrex v1.5defaultCommand A+lowvsGPT-6 Luna DecisionsdefaultCommand A+nonevsKev 4Bdefault