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

Microsoft-Decision-1 (default) vs Classify-1 (default)

Classify-1 (default) average score मध्ये पुढे आहे: 2.2 vs 1.4. Microsoft-Decision-1 (default) चा benchmark खर्च कमी आहे: $0.002 vs $0.008. Microsoft-Decision-1 (default) वेगवान आहे: 982ms vs 4.58s, pass rates 7.3% vs 18.8%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-13

तुलना केलेली मॉडेल्स

क्रमांक
#418
एकूण आउटपुट टोकन्स
69
प्रतिसाद वेळ (सरासरी)
982ms
एकूण खर्च
$0.002
क्रमांक
#411
एकूण आउटपुट टोकन्स
164
प्रतिसाद वेळ (सरासरी)
4.58s
एकूण खर्च
$0.008
शिफारस केलेले मॉडेल Classify-1 (default)

या तुलनेत याचा गुण सर्वाधिक आहे (2.2) आणि 2 मॉडेल्समध्ये खर्च व प्रतिसाद वेळ यांचा एकूण समतोल सर्वोत्तम आहे.

तपशीलवार तुलना

मेट्रिक Microsoft-Decision-1 Microsoft-Decision-1 default प्रकाशन: 2026-10-12 Classify-1 Classify-1 default प्रकाशन: 2026-10-13
स्कोअर 1.4 2.2
क्रमांक #418 #411
विश्वसनीयता 10.0 9.4
सुसंगतता 4.9 4.5
प्रयत्न 36/69 36/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 7.3% 18.8%
अस्थिर चाचण्या 1 2
एकूण रन 36 36
प्रति निकाल खर्च 0.175 0.261
एकूण खर्च $0.002 $0.008
इनपुट किंमत $0.042 / 1M $0.040 / 1M
आउटपुट किंमत $0.000 / 1M $0.000 / 1M
कॅश वाचण्याची किंमत लागू नाही लागू नाही
कॅश लिहिण्याची किंमत लागू नाही लागू नाही
एकूण इनपुट टोकन्स 41,466 195,645
आउटपुट टोकन्स 69 164
रिझनिंग टोकन्स 0 0
प्रतिसाद वेळ (सरासरी) 982ms 4.58s
प्रतिसाद वेळ (कमाल) 1.41s 13.35s
प्रतिसाद वेळ (एकूण) 11.78s 55.01s
पॅरामीटर्स ~9B ~1B
उपलब्धता बंद स्रोत बंद 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.

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
Microsoft-Decision-1 2.2 6.7 0.0% 0 857ms 21,363 12 0
Classify-1 2.7 3.7 22.2% 1 12.73s 105,738 50 0

तुलना जोडी बदला

Gemini 3 Flash PreviewhighvsClassify-1defaultGemini 3 Flash PreviewhighvsMicrosoft-Decision-1defaultCommand A+lowvsClassify-1defaultCommand A+nonevsClassify-1defaultCommand A+highvsClassify-1defaultCommand A+mediumvsClassify-1defaultClassify-1defaultvsGrok 4.20noneLing 3.0 TinymediumvsClassify-1defaultLing 3.0 TinylowvsClassify-1defaultLing 3.0 TinyhighvsClassify-1defaultCommand A+lowvsMicrosoft-Decision-1defaultCommand A+nonevsMicrosoft-Decision-1default