Beam 1.0 501B A23B (high) vs Step 5 Preview (medium)

average score जवळपास समान आहे: 6.1 vs 6.1. Beam 1.0 501B A23B (high) चा benchmark खर्च कमी आहे: $0.674 vs $4.136. Beam 1.0 501B A23B (high) वेगवान आहे: 9.03s vs 136.10s, pass rates 59.4% vs 53.6%.

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

तुलना केलेली मॉडेल्स

क्रमांक: #266
एकूण आउटपुट टोकन्स: 147,207
प्रतिसाद वेळ (सरासरी): 9.03s
एकूण खर्च: $0.674

क्रमांक: #271
एकूण आउटपुट टोकन्स: 1,434,621
प्रतिसाद वेळ (सरासरी): 136.10s
एकूण खर्च: $4.136

शिफारस केलेले मॉडेल Beam 1.0 501B A23B (high)

It has the best score here (6.1), while costing about 6.1x less than Step 5 Preview (medium).

तपशीलवार तुलना

मेट्रिक	Beam 1.0 501B A23B Beam 1.0 501B A23B high प्रकाशन: 2026-10-17	Step 5 Preview Step 5 Preview medium प्रकाशन: 2026-10-09

मेट्रिक	Beam 1.0 501B A23B Beam 1.0 501B A23B high प्रकाशन: 2026-10-17	Step 5 Preview Step 5 Preview medium प्रकाशन: 2026-10-09
स्कोअर	6.1	6.1
क्रमांक	#266	#271
विश्वसनीयता	10.0	9.6
सुसंगतता	8.3	8.2
प्रयत्न	69/69	69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर	59.4%	53.6%
अस्थिर चाचण्या	5	5
एकूण रन	69	69
प्रति निकाल खर्च	6.126	41.354
एकूण खर्च	$0.674	$4.136
इनपुट किंमत	$1.000 / 1M	$1.000 / 1M
आउटपुट किंमत	$3.000 / 1M	$2.700 / 1M
कॅश वाचण्याची किंमत	$0.100 / 1M	$0.050 / 1M
कॅश लिहिण्याची किंमत	लागू नाही	लागू नाही
एकूण इनपुट टोकन्स	232,218	261,842
आउटपुट टोकन्स	4,944	1,434,621
रिझनिंग टोकन्स	142,263	0
प्रतिसाद वेळ (सरासरी)	9.03s	136.10s
प्रतिसाद वेळ (कमाल)	36.04s	438.09s
प्रतिसाद वेळ (एकूण)	207.67s	3130.27s
पॅरामीटर्स	501B एकूण (23B सक्रिय)	600B एकूण (27B सक्रिय)
उपलब्धता	मुक्त 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.

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#266 Beam 1.0 501B A23B

high

खर्च: $0.008
वेळ: 15.6s
टोकन्स: 6,162 tok

#271 Step 5 Preview

medium

खर्च: $0.042
वेळ: 90.3s
टोकन्स: 15,574 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

श्रेणी:

स्वायत्त एजंट कार्ये	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		33.55s	202,053	2,798	11,159
Step 5 Preview	6.1	3.1	66.7%	1		95.77s	178,249	27,809	0

अँटी-एआय युक्त्या	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	8.8	8.3	83.3%	1		1.36s	1,125	518	3,068
Step 5 Preview	6.4	7.9	58.3%	1		12.58s	744	6,953	0

कोडिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	8.4	7.4	88.9%	1		21.05s	7,800	559	44,608
Step 5 Preview	2.8	7.2	11.1%	1		363.90s	7,428	546,725	0

संयुक्त	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		2.68s	7,671	132	2,425
Step 5 Preview	7.3	5.8	83.3%	1		124.99s	57,016	115,099	0

डेटा पार्सिंग आणि निष्कर्षण	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	10.0	10.0	100.0%	0		1.66s	7,998	272	1,873
Step 5 Preview	10.0	10.0	100.0%	0		4.10s	7,392	2,053	0

डोमेन-विशिष्ट	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	3.6	7.2	22.2%	1		20.70s	1,122	81	53,269
Step 5 Preview	2.9	7.2	11.1%	1		323.23s	828	458,050	0

Samanya Buddhimatta	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	5.1	3.4	33.3%	1		1.94s	618	115	1,818
Step 5 Preview	3.4	9.3	0.0%	0		34.82s	522	4,371	0

सूचनांचे पालन	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	9.8	10.0	100.0%	0		1.27s	924	88	1,648
Step 5 Preview	10.0	10.0	100.0%	0		4.23s	729	3,330	0

कोडी सोडवणे	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	8.2	7.2	88.9%	1		4.02s	1,038	270	9,674
Step 5 Preview	7.8	10.0	66.7%	0		59.88s	747	77,779	0

टूल कॉलिंग	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		1.82s	1,533	72	370
Step 5 Preview	10.0	10.0	100.0%	0		3.84s	7,953	452	0

सामान्य ज्ञान	स्कोअर	सुसंगतता	प्रति प्रयत्न पास दर	अस्थिर चाचण्या	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)	इनपुट टोकन्स	आउटपुट टोकन्स	रिझनिंग टोकन्स
Beam 1.0 501B A23B	3.0	10.0	0.0%	0		16.40s	336	39	12,351
Step 5 Preview	3.0	10.0	0.0%	0		437.86s	234	192,000	0

तुलना जोडी बदला

Trinity Large ThinkingmediumvsBeam 1.0 501B A23Bhigh Qwen3.5 Plus 2026-04-20nonevsStep 5 Previewmedium Step 5 PreviewmediumvsInklingnoneमोफत उपलब्ध Apodex 1.1 Minilowमोफत उपलब्धvsStep 5 Previewmedium Apodex 1.1 Minilowमोफत उपलब्धvsBeam 1.0 501B A23Bhigh Beam 1.0 501B A23BhighvsInklingnoneमोफत उपलब्ध Qwen3.5 Plus 2026-04-20nonevsBeam 1.0 501B A23Bhigh KAT-Coder-Pro V2.5defaultvsStep 5 Previewmedium Gemini 3.5 FlashnonevsBeam 1.0 501B A23Bhigh Granite 4.2 8BmediumvsBeam 1.0 501B A23Bhigh KAT-Coder-Pro V2.5defaultvsBeam 1.0 501B A23Bhigh Gemini 3.5 FlashnonevsStep 5 Previewmedium