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

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: Grok 4.6 (high) स्कोअर मध्ये 9.2 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: $0.681. Seed-2.0-Code (low) 65.89s वर सर्वात जलद आहे.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-08-12

क्रमांक
#11
एकूण आउटपुट टोकन्स
265,604
प्रतिसाद वेळ (सरासरी)
79.38s
एकूण खर्च
$1.809
क्रमांक
#15
एकूण आउटपुट टोकन्स
631,257
प्रतिसाद वेळ (सरासरी)
168.41s
एकूण खर्च
$1.631
क्रमांक
#46
एकूण आउटपुट टोकन्स
554,485
प्रतिसाद वेळ (सरासरी)
132.39s
एकूण खर्च
$3.113
क्रमांक
#66
एकूण आउटपुट टोकन्स
212,558
प्रतिसाद वेळ (सरासरी)
65.89s
एकूण खर्च
$0.681
शिफारस केलेले मॉडेल Grok 4.6 (high)

It has the best score here (9.2), while responding about 1.5x faster 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 9.2 9.1 8.2 7.7
क्रमांक #11 #15 #46 #66
विश्वसनीयता 10.0 9.9 9.1 5.7
सुसंगतता 9.6 8.9 8.9 7.5
प्रयत्न 66/66 66/66 66/66 66/66
बरोबर चाचण्या
प्रति प्रयत्न पास दर 84.9% 83.3% 78.8% 80.3%
अस्थिर चाचण्या 1 3 3 7
एकूण रन 66 66 66 66
प्रति निकाल खर्च 10.046 9.591 19.453 5.235
एकूण खर्च $1.809 $1.631 $3.113 $0.681
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
एकूण इनपुट टोकन्स 107,266 104,483 113,340 85,648
आउटपुट टोकन्स 5,094 6,848 107,311 8,142
रिझनिंग टोकन्स 260,510 624,409 447,174 204,416
प्रतिसाद वेळ (सरासरी) 79.38s 168.41s 132.39s 65.89s
प्रतिसाद वेळ (कमाल) 618.49s 739.98s 534.21s 485.92s
प्रतिसाद वेळ (एकूण) 1746.29s 3705.09s 2912.56s 1449.53s
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

मॉडेल जनरेशन शोकेस

Hamster playing table tennis

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

#11 SpaceXAI: Grok 4.6

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

#15 Seed 2.1 Turbo

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

#46 Qwen3.8 2.4T A95B

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

#66 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 7.6 7.2 77.8% 1 172.53s 6,716 21,405 57,399
Seed-2.0-Code 7.0 5.0 77.8% 2 109.70s 7,948 455 55,759

झटपट तुलना

तुलना जोडी बदला