#84 Cobuddy
medium
No endpoints found for baidu/cobuddy:free.
- खर्च
- $0.000
- वेळ
- 0.1s
- टोकन्स
- 0 tok
Baidu
प्रकाशन: 2026-05-06
चाचणी तारीख: 2026-05-06 11:30
baidu/cobuddy::medium
सारांश
Cobuddy AI BENCHY वर 6.0 स्कोर करते आणि #84 वर आहे. याची reliability 9.9, pass rate 53.7%, एकूण खर्च $0.000, आणि सरासरी response time 35.89s आहे.
Cobuddy खास का आहे: या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.
6.0
सुसंगतता
7.6
9.9
$0.000
एकूण आउटपुट टोकन्स
88,220
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.000 / 1M
आउटपुट किंमत
$0.000 / 1M
चुकीच्या चाचण्या: 11
प्रति प्रयत्न पास दर: 53.7%
बेंचमार्क कव्हरेज: 18/18 चाचण्या · 52/54 प्रयत्न
अस्थिर चाचण्या
5
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-06-04 13:47 नवीन चाचणी जोडली | 4.7 | 10.0 | $0.000 | तुलना करा | |
| 2026-05-22 00:23 सूट बदलला | 5.7 | 9.9 | $0.000 | तुलना करा | |
| 2026-05-06 11:30 पहिली नोंदलेली रन | 6.0 | 9.9 | $0.000 | सध्याची रन |
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-06 11:30 · पहिली नोंदलेली रन | 18/18 चाचण्या · 52/54 प्रयत्न | 6.0 | 7.6 | 9.9 | 7/18 | 5 | 88,220 | 0 | $0.000 | 35.89s |
| 2026-06-04 13:47 · नवीन चाचणी जोडली | 21/21 चाचण्या · 63/63 प्रयत्न | 4.7 | 7.2 | 10.0 | 7/21 | 6 | 118,380 | 37,449 | $0.000 | 39.90s |
| फरक | — | +1.4 | +0.4 | -0.1 | 0 | -1 | -30160 | -37449 | $0.000 | -4010ms |
बेंचमार्क कव्हरेज वेगळे आहे: 18/18 चाचण्या · 52/54 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 21/21 चाचण्या · 63/63 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती). एकूण मूल्ये आणि पुनरावृत्तीवर अवलंबून मेट्रिक्स थेट तुलना करता येत नाहीत.
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
Cobuddymediumमोफत उपलब्धvsQwen3 Coder NextmediumCobuddymediumमोफत उपलब्धvsMercury 2noneCobuddymediumमोफत उपलब्धvsTrinity Large PreviewnoneCobuddymediumमोफत उपलब्धvsMiniMax M2.5mediumCobuddymediumमोफत उपलब्धvsKAT-Coder-Air V2.5noneCobuddymediumमोफत उपलब्धvsLaguna S 2.1noneमोफत उपलब्धCobuddymediumमोफत उपलब्धvsTrinity Large ThinkinghighCobuddymediumमोफत उपलब्धvsGLM 4.7 FlashmediumCobuddymediumमोफत उपलब्धvsGPT-5.4 NanononeCobuddymediumमोफत उपलब्धvsGrok 4.20none
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 8.7 | 7.9 | |
| कोडिंग | 4.3 | 1.1 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 6.3 | 5.8 | |
| डोमेन-विशिष्ट | 2.9 | 7.2 | |
| Samanya Buddhimatta | 4.2 | 9.9 | |
| सूचनांचे पालन | 9.8 | 10.0 | |
| कोडी सोडवणे | 3.7 | 6.8 | |
| टूल कॉलिंग | 10.0 | 10.0 |