नेव्हिगेशन
Advertise here

Microsoft-Decision-1 (default) vs Tev1 4B Experimental (default)

Microsoft-Decision-1 (default) average score मध्ये पुढे आहे: 1.4 vs 1.0. Tev1 4B Experimental (default) चा benchmark खर्च कमी आहे: $0.002 vs $0.002. Tev1 4B Experimental (default) वेगवान आहे: 498ms vs 982ms, pass rates 7.3% vs 13.0%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-12

तुलना केलेली मॉडेल्स

क्रमांक
#408
एकूण आउटपुट टोकन्स
69
प्रतिसाद वेळ (सरासरी)
982ms
एकूण खर्च
$0.002
क्रमांक
#410
एकूण आउटपुट टोकन्स
96
प्रतिसाद वेळ (सरासरी)
498ms
एकूण खर्च
$0.002
शिफारस केलेले मॉडेल Microsoft-Decision-1 (default)

या तुलनेत याचा गुण सर्वाधिक आहे (1.4) 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 Tev1 4B Experimental Tev1 4B Experimental default प्रकाशन: 2026-09-30
स्कोअर 1.4 1.0
क्रमांक #408 #410
विश्वसनीयता 10.0 10.0
सुसंगतता 4.9 3.0
प्रयत्न 36/69 21/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 7.3% 13.0%
अस्थिर चाचण्या 1 0
एकूण रन 36 21
प्रति निकाल खर्च 0.175 0.048
एकूण खर्च $0.002 $0.002
इनपुट किंमत $0.042 / 1M $0.042 / 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 33,864
आउटपुट टोकन्स 69 96
रिझनिंग टोकन्स 0 0
प्रतिसाद वेळ (सरासरी) 982ms 498ms
प्रतिसाद वेळ (कमाल) 1.41s 602ms
प्रतिसाद वेळ (एकूण) 11.78s 3.49s
पॅरामीटर्स ~9B 4B
उपलब्धता बंद स्रोत वेट्स उपलब्ध

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
Tev1 4B Experimental 0.0 0.0 0.0% 0 0ms 0 0 0

झटपट तुलना

तुलना जोडी बदला

Gemini 3 Flash PreviewhighvsMicrosoft-Decision-1defaultGemini 3 Flash PreviewhighvsTev1 4B ExperimentaldefaultCommand A+lowvsMicrosoft-Decision-1defaultCommand A+nonevsMicrosoft-Decision-1defaultCommand A+highvsMicrosoft-Decision-1defaultCommand A+mediumvsMicrosoft-Decision-1defaultMicrosoft-Decision-1defaultvsGrok 4.20noneCommand A+lowvsTev1 4B ExperimentaldefaultCommand A+nonevsTev1 4B ExperimentaldefaultCommand A+highvsTev1 4B ExperimentaldefaultLing 3.0 TinymediumvsMicrosoft-Decision-1defaultLing 3.0 TinylowvsMicrosoft-Decision-1default