नेव्हिगेशन
Advertise here

तुलना केलेली मॉडेल्स

Grok 4.6 (high) vs Seed 2.1 Turbo (low) vs Qwen3.8 2.4T A95B (low) vs Seed-2.0-Code (low) benchmark तुलना: Seed 2.1 Turbo (low) स्कोअर मध्ये 9.3 सह आघाडीवर आहे. Grok 4.6 (high) विश्वसनीयता मध्ये 10.0 सह आघाडीवर आहे. Seed-2.0-Code (low) चे एकूण खर्च सर्वात कमी आहे: $0.881. Seed-2.0-Code (low) 73.02s वर सर्वात जलद आहे.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-11-22

तुलना केलेली मॉडेल्स

क्रमांक
#124
एकूण आउटपुट टोकन्स
312,614
प्रतिसाद वेळ (सरासरी)
87.48s
एकूण खर्च
$2.629
क्रमांक
#48
एकूण आउटपुट टोकन्स
609,333
प्रतिसाद वेळ (सरासरी)
161.25s
एकूण खर्च
$1.645
क्रमांक
#132
एकूण आउटपुट टोकन्स
424,019
प्रतिसाद वेळ (सरासरी)
120.40s
एकूण खर्च
$4.016
क्रमांक
#161
एकूण आउटपुट टोकन्स
253,807
प्रतिसाद वेळ (सरासरी)
73.02s
एकूण खर्च
$0.881
शिफारस केलेले मॉडेल Seed 2.1 Turbo (low)

It has the best score here (9.3), while costing about 1.5x less than या तुलनेतील इतर मॉडेल.

तपशीलवार तुलना

मेट्रिक Grok 4.6 Grok 4.6 high प्रकाशन: 2026-08-12 Seed 2.1 Turbo Seed 2.1 Turbo low प्रकाशन: 2026-08-12 Qwen3.8 2.4T A95B Qwen3.8 2.4T A95B low प्रकाशन: 2026-08-12 Seed-2.0-Code Seed-2.0-Code low प्रकाशन: 2026-08-12
स्कोअर 8.5 9.3 8.4 8.1
क्रमांक #124 #48 #132 #161
विश्वसनीयता 10.0 10.0 9.6 8.9
सुसंगतता 10.0 9.3 9.2 7.9
प्रयत्न 69/69 69/69 69/69 69/69
बरोबर चाचण्या
प्रति प्रयत्न पास दर 82.6% 81.2% 73.9% 78.3%
अस्थिर चाचण्या 0 2 2 6
एकूण रन 69 69 69 69
प्रति निकाल खर्च 13.833 9.135 19.825 6.288
एकूण खर्च $2.629 $1.645 $4.016 $0.881
इनपुट किंमत $2.000 / 1M $0.500 / 1M $2.000 / 1M $0.500 / 1M
आउटपुट किंमत $6.000 / 1M $2.500 / 1M $6.000 / 1M $3.000 / 1M
कॅश वाचण्याची किंमत $0.500 / 1M लागू नाही $0.250 / 1M लागू नाही
कॅश लिहिण्याची किंमत लागू नाही लागू नाही लागू नाही लागू नाही
एकूण इनपुट टोकन्स 376,233 241,855 313,881 237,604
आउटपुट टोकन्स 6,687 8,387 123,706 9,617
रिझनिंग टोकन्स 305,927 600,946 388,328 244,190
प्रतिसाद वेळ (सरासरी) 87.48s 161.25s 120.40s 73.02s
प्रतिसाद वेळ (कमाल) 618.49s 739.98s 534.21s 485.92s
प्रतिसाद वेळ (एकूण) 2012.15s 3708.70s 2769.16s 1679.49s
पॅरामीटर्स ~1.7T एकूण (~170B सक्रिय) ~200B एकूण (~20B सक्रिय) 2.4T एकूण (95B सक्रिय) ~200B एकूण (~20B सक्रिय)
उपलब्धता बंद स्रोत बंद स्रोत वेट्स उपलब्ध 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.

#124 SpaceXAI: Grok 4.6

high
खर्च
$0.107
वेळ
265.1s
टोकन्स
18,001 tok

#48 Seed 2.1 Turbo

low
खर्च
$0.049
वेळ
298.8s
टोकन्स
19,730 tok

#132 Qwen3.8 2.4T A95B

low
खर्च
$0.100
वेळ
193.2s
टोकन्स
16,767 tok

#161 Seed-2.0-Code

low
Provider returned error
खर्च
$0.000
वेळ
0.3s
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
Grok 4.6 10.0 10.0 100.0% 0 102.20s 9,579 379 51,829
Seed 2.1 Turbo 10.0 10.0 100.0% 0 360.85s 8,220 385 207,368
Qwen3.8 2.4T A95B 7.8 9.3 66.7% 0 172.53s 6,716 21,405 57,399
Seed-2.0-Code 7.0 7.1 55.6% 1 109.70s 7,948 455 55,759

तुलना जोडी बदला