KAT-Coder-Air V2.5 (high) average score मध्ये पुढे आहे: 5.6 vs 5.5. Qwen3.8 27B चा benchmark खर्च कमी आहे: ~$0.006 vs $0.077. Qwen3.8 27B वेगवान आहे: 3.12s vs 15.87s, pass rates 42.4% vs 40.9%.
AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले:
2026-09-28
तुलना केलेली मॉडेल्स
क्रमांक
#265
एकूण आउटपुट टोकन्स
114,654
प्रतिसाद वेळ (सरासरी)
15.87s
एकूण खर्च
$0.077
उमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
क्रमांक
#277
एकूण आउटपुट टोकन्स
11,445
प्रतिसाद वेळ (सरासरी)
3.12s
एकूण खर्च
~$0.006फक्त GPU च्या विजेच्या खर्चाचा अंदाज घेतला आहे. उर्वरित संगणक आणि हार्डवेअर खरेदीचा खर्च यात समाविष्ट नाही. NVIDIA GeForce RTX 3090: 0.0572 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.005659.
शिफारस केलेले मॉडेलQwen3.8 27B
Its score stays close to the best score here (5.5 vs 5.6), while costing about 13.5x less than KAT-Coder-Air V2.5 (high).
Qwen3.8 27BQwen3.8 27Bnoneउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.प्रकाशन: 2026-08-14
स्कोअर
5.6सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
5.5सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
क्रमांक
#265
#277
विश्वसनीयता
9.8पहिल्या प्रयत्नातील यश स्कोअर: 10.0 म्हणजे यशस्वी कॉल्सपूर्वी लक्ष्य API किंवा रेट-लिमिटच्या पुन्हा प्रयत्न करता येणाऱ्या अपयशांची नोंद नाही; नोंदवलेली अपयशे स्कोअर कमी करतात.…
10.0पहिल्या प्रयत्नातील यश स्कोअर: 10.0 म्हणजे यशस्वी कॉल्सपूर्वी लक्ष्य API किंवा रेट-लिमिटच्या पुन्हा प्रयत्न करता येणाऱ्या अपयशांची नोंद नाही; नोंदवलेली अपयशे स्कोअर कमी करतात.…
सुसंगतता
8.1सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
प्रयत्न
66/66
66/66
बरोबर चाचण्या
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 9API त्रुटी: 3अतिरिक्त फॉरमॅटिंग: 3प्रतिसाद वेळ (सरासरी)15.87sप्रतिसाद वेळ (कमाल)118.35sप्रतिसाद वेळ (एकूण)349.16sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 11सूचनांचे पालन केले नाही: 1अवैध टूल कॉल: 1प्रतिसाद वेळ (सरासरी)3.12sप्रतिसाद वेळ (कमाल)44.76sप्रतिसाद वेळ (एकूण)68.69sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
प्रति प्रयत्न पास दर
42.4%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
40.9%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
अस्थिर चाचण्या
5अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एकूण रन
66एकूण रन…
66एकूण रन…
प्रति निकाल खर्च
1.091
~0.063फक्त GPU च्या विजेच्या खर्चाचा अंदाज घेतला आहे. उर्वरित संगणक आणि हार्डवेअर खरेदीचा खर्च यात समाविष्ट नाही. NVIDIA GeForce RTX 3090: 0.0572 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.005659.
एकूण खर्च
$0.077
~$0.006फक्त GPU च्या विजेच्या खर्चाचा अंदाज घेतला आहे. उर्वरित संगणक आणि हार्डवेअर खरेदीचा खर्च यात समाविष्ट नाही. NVIDIA GeForce RTX 3090: 0.0572 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.005659.
इनपुट किंमत
$0.150 / 1Mइनपुट किंमत…
लागू नाहीइनपुट किंमत…
आउटपुट किंमत
$0.600 / 1Mआउटपुट किंमत…
लागू नाहीआउटपुट किंमत…
एकूण इनपुट टोकन्स
50,423एकूण इनपुट टोकन्स…
122,463एकूण इनपुट टोकन्स…
आउटपुट टोकन्स
4,144आउटपुट टोकन्स…
11,445आउटपुट टोकन्स…
रिझनिंग टोकन्स
110,510रिझनिंग टोकन्स…
0रिझनिंग टोकन्स…
प्रतिसाद वेळ (सरासरी)
15.87sप्रतिसाद वेळ (सरासरी)…
3.12sप्रतिसाद वेळ (सरासरी)…
प्रतिसाद वेळ (कमाल)
118.35sप्रतिसाद वेळ (कमाल)…
44.76sप्रतिसाद वेळ (कमाल)…
प्रतिसाद वेळ (एकूण)
349.16sप्रतिसाद वेळ (एकूण)…
68.69sप्रतिसाद वेळ (एकूण)…
पॅरामीटर्स
~35B एकूण (~3B सक्रिय)
27.3B
उपलब्धता
बंद स्रोत
वेट्स उपलब्ध
मॉडेल जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#265 KAT-Coder-Air V2.5
high
Reached the allocated time limit (300 seconds) without receiving showcase output.
खर्च
$0.000
वेळ
300.0s
टोकन्स
0 tok
#277 Qwen3.8 27B
noneउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
खर्च
~$0.001फक्त GPU च्या विजेच्या खर्चाचा अंदाज घेतला आहे. उर्वरित संगणक आणि हार्डवेअर खरेदीचा खर्च यात समाविष्ट नाही. NVIDIA GeForce RTX 3090: 0.0066 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.000657.
5.8सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
75.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
2अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.API त्रुटी: 1चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)2.49sप्रतिसाद वेळ (कमाल)3.97sप्रतिसाद वेळ (एकूण)9.97sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
2.49sप्रतिसाद वेळ (सरासरी)…
615एकूण इनपुट टोकन्स…
204आउटपुट टोकन्स…
1,290रिझनिंग टोकन्स…
Qwen3.8 27Bउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
6.5सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
50.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 2प्रतिसाद वेळ (सरासरी)828msप्रतिसाद वेळ (कमाल)1.95sप्रतिसाद वेळ (एकूण)3.31sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
7.3सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
11.1%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
1अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.API त्रुटी: 1अतिरिक्त फॉरमॅटिंग: 1चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)39.07sप्रतिसाद वेळ (कमाल)104.98sप्रतिसाद वेळ (एकूण)117.21sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
39.07sप्रतिसाद वेळ (सरासरी)…
6,948एकूण इनपुट टोकन्स…
1,166आउटपुट टोकन्स…
55,883रिझनिंग टोकन्स…
Qwen3.8 27Bउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
5.5सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
33.3%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 2प्रतिसाद वेळ (सरासरी)1.19sप्रतिसाद वेळ (कमाल)1.97sप्रतिसाद वेळ (एकूण)3.56sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
50.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.API त्रुटी: 1प्रतिसाद वेळ (सरासरी)74.48sप्रतिसाद वेळ (कमाल)118.35sप्रतिसाद वेळ (एकूण)148.95sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
74.48sप्रतिसाद वेळ (सरासरी)…
23,854एकूण इनपुट टोकन्स…
485आउटपुट टोकन्स…
28,559रिझनिंग टोकन्स…
Qwen3.8 27Bउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
3.0सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
0.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.अवैध टूल कॉल: 1चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)24.10sप्रतिसाद वेळ (कमाल)44.76sप्रतिसाद वेळ (एकूण)48.21sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
50.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)3.59sप्रतिसाद वेळ (कमाल)4.92sप्रतिसाद वेळ (एकूण)7.18sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
3.59sप्रतिसाद वेळ (सरासरी)…
7,776एकूण इनपुट टोकन्स…
284आउटपुट टोकन्स…
2,140रिझनिंग टोकन्स…
Qwen3.8 27Bउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
6.5सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
50.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)1.14sप्रतिसाद वेळ (कमाल)1.18sप्रतिसाद वेळ (एकूण)2.27sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
0.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.अतिरिक्त फॉरमॅटिंग: 2चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)7.28sप्रतिसाद वेळ (कमाल)8.71sप्रतिसाद वेळ (एकूण)21.85sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
7.28sप्रतिसाद वेळ (सरासरी)…
724एकूण इनपुट टोकन्स…
1,101आउटपुट टोकन्स…
7,738रिझनिंग टोकन्स…
Qwen3.8 27Bउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
7.7सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
66.7%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)552msप्रतिसाद वेळ (कमाल)675msप्रतिसाद वेळ (एकूण)1.66sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
0.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)7.10sप्रतिसाद वेळ (कमाल)7.10sप्रतिसाद वेळ (एकूण)7.10sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
7.10sप्रतिसाद वेळ (सरासरी)…
516एकूण इनपुट टोकन्स…
179आउटपुट टोकन्स…
539रिझनिंग टोकन्स…
Qwen3.8 27Bउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
4.2सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
9.9सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
0.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)1.31sप्रतिसाद वेळ (कमाल)1.31sप्रतिसाद वेळ (एकूण)1.31sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
100.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.अयशस्वी उत्तरे नाहीत.प्रतिसाद वेळ (सरासरी)1.51sप्रतिसाद वेळ (कमाल)1.91sप्रतिसाद वेळ (एकूण)3.01sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
1.51sप्रतिसाद वेळ (सरासरी)…
699एकूण इनपुट टोकन्स…
90आउटपुट टोकन्स…
675रिझनिंग टोकन्स…
Qwen3.8 27Bउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
6.3सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
50.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)582msप्रतिसाद वेळ (कमाल)633msप्रतिसाद वेळ (एकूण)1.16sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
4.4सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
33.3%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
2अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 3प्रतिसाद वेळ (सरासरी)2.47sप्रतिसाद वेळ (कमाल)2.86sप्रतिसाद वेळ (एकूण)7.40sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
2.47sप्रतिसाद वेळ (सरासरी)…
696एकूण इनपुट टोकन्स…
285आउटपुट टोकन्स…
1,576रिझनिंग टोकन्स…
Qwen3.8 27Bउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
6.0सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
33.3%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.सूचनांचे पालन केले नाही: 1चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)1.25sप्रतिसाद वेळ (कमाल)1.84sप्रतिसाद वेळ (एकूण)3.76sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
100.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.अयशस्वी उत्तरे नाहीत.प्रतिसाद वेळ (सरासरी)4.77sप्रतिसाद वेळ (कमाल)4.77sप्रतिसाद वेळ (एकूण)4.77sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
4.77sप्रतिसाद वेळ (सरासरी)…
8,391एकूण इनपुट टोकन्स…
330आउटपुट टोकन्स…
1,082रिझनिंग टोकन्स…
Qwen3.8 27Bउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
10.0सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
100.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.अयशस्वी उत्तरे नाहीत.प्रतिसाद वेळ (सरासरी)2.75sप्रतिसाद वेळ (कमाल)2.75sप्रतिसाद वेळ (एकूण)2.75sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
0.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)21.72sप्रतिसाद वेळ (कमाल)21.72sप्रतिसाद वेळ (एकूण)21.72sएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…
21.72sप्रतिसाद वेळ (सरासरी)…
204एकूण इनपुट टोकन्स…
20आउटपुट टोकन्स…
11,028रिझनिंग टोकन्स…
Qwen3.8 27Bउमेदवार मॉडेलची उत्तरे स्थानिक हार्डवेअरवर तयार झाली. OpenRouter फक्त मूल्यमापनासाठी वापरले.
3.0सर्व बेंचमार्क चाचण्यांमधील सरासरी गुण.…
10.0सुसंगतता गुण रन्समधील स्थिरता दाखवतो (10 = अतिशय सुसंगत, सतत चूक असली तरी).…
0.0%प्रति प्रयत्न पास दर = पास प्रयत्न / सर्व रन्समधील एकूण प्रयत्न.…
0अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).…
एखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.चुकीचे उत्तर: 1प्रतिसाद वेळ (सरासरी)703msप्रतिसाद वेळ (कमाल)703msप्रतिसाद वेळ (एकूण)703msएखादी चाचणी तेव्हाच पूर्णपणे पास मानली जाते जेव्हा तिचे सर्व रन पास होतात.…