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

Decider V1.2 (default) vs Xing4.0 29b A4b

Xing4.0 29b A4b average score मध्ये पुढे आहे: 3.3 vs 2.6. Xing4.0 29b A4b चा benchmark खर्च कमी आहे: $0.000 vs $0.001. Decider V1.2 (default) वेगवान आहे: 517ms vs 42.72s, pass rates 24.6% vs 7.3%.

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

तुलना केलेली मॉडेल्स

क्रमांक
#424
एकूण आउटपुट टोकन्स
67
प्रतिसाद वेळ (सरासरी)
517ms
एकूण खर्च
$0.001
क्रमांक
#412
एकूण आउटपुट टोकन्स
26,540
प्रतिसाद वेळ (सरासरी)
42.72s
एकूण खर्च
$0.000
शिफारस केलेले मॉडेल Xing4.0 29b A4b

या तुलनेत याचा गुण सर्वाधिक आहे (3.3) आणि 2 मॉडेल्समध्ये खर्च व प्रतिसाद वेळ यांचा एकूण समतोल सर्वोत्तम आहे.

तपशीलवार तुलना

मेट्रिक Decider V1.2 Decider V1.2 default प्रकाशन: 2026-10-17 Xing4.0 29b A4b Xing4.0 29b A4b none प्रकाशन: 2026-10-17 मोफत उपलब्ध
स्कोअर 2.6 3.3
क्रमांक #424 #412
विश्वसनीयता 9.4 8.8
सुसंगतता 4.9 8.6
प्रयत्न 36/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 24.6% 7.3%
अस्थिर चाचण्या 1 4
एकूण रन 36 69
प्रति निकाल खर्च 0.020 0.000
एकूण खर्च $0.001 $0.000
इनपुट किंमत $0.020 / 1M $0.000 / 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 48,363 153,665
आउटपुट टोकन्स 67 26,540
रिझनिंग टोकन्स 0 0
प्रतिसाद वेळ (सरासरी) 517ms 42.72s
प्रतिसाद वेळ (कमाल) 776ms 634.11s
प्रतिसाद वेळ (एकूण) 6.20s 982.66s
पॅरामीटर्स 27B 29B 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.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#424 Decider V1.2

default
या मॉडेलसाठी अद्याप कोणताही शोकेस निकाल तयार झालेला नाही.
खर्च
लागू नाही
वेळ
-
टोकन्स
0 tok

#412 Xing4.0 29b A4b

none
Reached the allocated time limit (600 seconds) without receiving showcase output.
खर्च
$0.000
वेळ
600.0s
टोकन्स
0 tok

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 V1.2 4.5 6.7 33.3% 0 572ms 24,009 12 0
Xing4.0 29b A4b 3.6 9.7 0.0% 0 231.73s 8,622 22,915 0

झटपट तुलना

तुलना जोडी बदला

Command A+mediumvsXing4.0 29b A4bnoneमोफत उपलब्धCommand A+highvsXing4.0 29b A4bnoneमोफत उपलब्धCommand A+lowvsXing4.0 29b A4bnoneमोफत उपलब्धLing 3.0 TinymediumvsXing4.0 29b A4bnoneमोफत उपलब्धCommand A+lowvsDecider V1.2defaultLing 3.0 TinylowvsXing4.0 29b A4bnoneमोफत उपलब्धLing 3.0 TinyhighvsXing4.0 29b A4bnoneमोफत उपलब्धCommand A+nonevsDecider V1.2defaultSpan-02defaultvsXing4.0 29b A4bnoneमोफत उपलब्धGranite 4.1 8bdefaultvsXing4.0 29b A4bnoneमोफत उपलब्धLing 3.0 TinydefaultvsXing4.0 29b A4bnoneमोफत उपलब्धCommand A+highvsDecider V1.2default