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

AI BENCHY Compare

तुलना केलेली मॉडेल्स

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-03-18

मेट्रिक MiniMax M2.7 MiniMax M2.7 medium प्रकाशन: 2026-03-18 MiniMax M2.5 MiniMax M2.5 medium प्रकाशन: 2026-02-12 मोफत उपलब्ध GLM 5 GLM 5 medium प्रकाशन: 2026-02-12 Gemini 3.1 Flash Lite Preview Gemini 3.1 Flash Lite Preview medium प्रकाशन: 2026-03-03
स्कोअर 5.0 5.9 8.3 8.1
क्रमांक #64 #50 #11 #14
सुसंगतता 5.3 5.4 8.1 10.0
बरोबर चाचण्या
प्रति प्रयत्न पास दर 49.0% 60.8% 84.3% 70.6%
अस्थिर चाचण्या 10 10 4 0
एकूण रन 51 51 51 51
प्रति निकाल खर्च 2.398 4.987 0.896 0.413
एकूण खर्च $0.072 $0.250 $0.108 $0.050
???? ??? $0.300 / 1M $0.200 / 1M $0.720 / 1M $0.250 / 1M
????? ??? $1.200 / 1M $1.200 / 1M $2.300 / 1M $1.500 / 1M
आउटपुट टोकन्स 4,517 107,044 19,833 1,737
रिझनिंग टोकन्स 47,612 206,422 38,523 26,346
प्रतिसाद वेळ (सरासरी) 27.32s 39.65s 17.15s 3.70s
प्रतिसाद वेळ (कमाल) 117.04s 237.27s 28.96s 14.93s
प्रतिसाद वेळ (एकूण) 437.10s 396.47s 154.32s 62.97s

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

अँटी-एआय युक्त्या स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
MiniMax M2.7 7.9 6.3 83.3% 2 40.32s 3,010 17,716
MiniMax M2.5 7.9 6.3 83.3% 2 20.82s 286 45,344
GLM 5 10.0 10.0 100.0% 0 23.66s 480 7,056
Gemini 3.1 Flash Lite Preview 9.1 10.0 75.0% 0 2.33s 570 4,305
संयुक्त स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
MiniMax M2.7 4.7 1.6 66.7% 1 41.03s 369 4,480
MiniMax M2.5 4.5 2.1 66.7% 1 60.39s 740 9,713
GLM 5 10.0 10.0 100.0% 0 28.96s 662 3,242
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 14.93s 327 7,347
डेटा पार्सिंग आणि निष्कर्षण स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
MiniMax M2.7 6.3 5.8 66.7% 1 21.95s 187 5,882
MiniMax M2.5 4.6 1.7 66.7% 2 7.48s 266 3,835
GLM 5 7.1 5.6 83.3% 1 8.90s 567 3,734
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 2.29s 279 2,952
डोमेन-विशिष्ट स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
MiniMax M2.7 3.0 10.0 0.0% 0 19.00s 8 2,796
MiniMax M2.5 2.9 4.4 22.2% 2 237.27s 105,047 133,487
GLM 5 3.5 4.4 33.3% 2 0ms 13,176 14,137
Gemini 3.1 Flash Lite Preview 3.0 10.0 0.0% 0 4.21s 18 5,325
Samanya Buddhimatta स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
MiniMax M2.7 3.9 2.5 33.3% 1 38.70s 92 5,204
MiniMax M2.5 3.8 2.5 33.3% 1 6.63s 25 1,686
GLM 5 6.1 3.1 66.7% 1 14.69s 2,020 2,248
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 3.16s 96 1,488
सूचनांचे पालन स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
MiniMax M2.7 3.7 1.8 50.0% 2 12.64s 213 2,457
MiniMax M2.5 8.1 6.8 83.3% 1 4.64s 252 1,873
GLM 5 10.0 10.0 100.0% 0 7.25s 1,001 2,129
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 1.91s 72 2,121
Puzzle Solving स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
MiniMax M2.7 3.8 4.5 33.3% 2 25.62s 334 8,076
MiniMax M2.5 5.3 7.2 44.4% 1 11.54s 159 9,547
GLM 5 10.0 10.0 100.0% 0 15.64s 1,694 4,983
Gemini 3.1 Flash Lite Preview 7.7 10.0 66.7% 0 3.58s 141 1,896
टूल कॉलिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) आउटपुट टोकन्स रिझनिंग टोकन्स
MiniMax M2.7 4.7 1.6 66.7% 1 12.05s 304 1,001
MiniMax M2.5 10.0 10.0 100.0% 0 15.35s 269 937
GLM 5 10.0 10.0 100.0% 0 15.93s 233 994
Gemini 3.1 Flash Lite Preview 10.0 10.0 100.0% 0 3.80s 234 912

झटपट तुलना

तुलना जोडी बदला