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

Decider V1.1 27B (default) vs Span-02 (default)

Span-02 (default) average score मध्ये पुढे आहे: 2.8 vs 2.6. Span-02 (default) चा benchmark खर्च कमी आहे: $0.001 vs $0.002. Decider V1.1 27B (default) वेगवान आहे: 320ms vs 1.36s, pass rates 17.4% vs 26.1%.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-10-17

तुलना केलेली मॉडेल्स

क्रमांक
#425
एकूण आउटपुट टोकन्स
69
प्रतिसाद वेळ (सरासरी)
320ms
एकूण खर्च
$0.002
क्रमांक
#419
एकूण आउटपुट टोकन्स
0
प्रतिसाद वेळ (सरासरी)
1.36s
एकूण खर्च
$0.001
शिफारस केलेले मॉडेल Span-02 (default)

It has the best score here (2.8), while costing about 2.1x less than Decider V1.1 27B (default).

तपशीलवार तुलना

मेट्रिक Decider V1.1 27B Decider V1.1 27B default प्रकाशन: 2026-10-07 Span-02 Span-02 default प्रकाशन: 2026-10-17
स्कोअर 2.6 2.8
क्रमांक #425 #419
विश्वसनीयता 10.0 10.0
सुसंगतता 5.2 5.2
प्रयत्न 36/69 36/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 17.4% 26.1%
अस्थिर चाचण्या 0 0
एकूण रन 36 36
प्रति निकाल खर्च 0.037 0.012
एकूण खर्च $0.002 $0.001
इनपुट किंमत $0.020 / 1M $0.010 / 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 73,557 70,626
आउटपुट टोकन्स 69 0
रिझनिंग टोकन्स 0 0
प्रतिसाद वेळ (सरासरी) 320ms 1.36s
प्रतिसाद वेळ (कमाल) 491ms 5.71s
प्रतिसाद वेळ (एकूण) 3.84s 16.37s
पॅरामीटर्स 27B 26B एकूण (4B सक्रिय)
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.

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
Decider V1.1 27B 4.9 6.7 33.3% 0 305ms 32,733 12 0
Span-02 4.9 6.7 33.3% 0 544ms 32,136 0 0

तुलना जोडी बदला

Command A+lowvsSpan-02defaultCommand A+nonevsSpan-02defaultCommand A+highvsSpan-02defaultCommand A+lowvsDecider V1.1 27BdefaultCommand A+nonevsDecider V1.1 27BdefaultSpan-02defaultvsXing4.0 29b A4bnoneमोफत उपलब्धCommand A+mediumvsSpan-02defaultSpan-02defaultvsGrok 4.20noneCommand A+highvsDecider V1.1 27BdefaultGemini 3 Flash PreviewhighvsDecider V1.1 27BdefaultDecider V1.1 27BdefaultvsXing4.0 29b A4bnoneमोफत उपलब्धCommand A+mediumvsDecider V1.1 27Bdefault