Advertise here
#177

Seed-2.0-Code

Bytedance Seed प्रकाशन: 2026-08-12 चाचणी तारीख: 2026-10-01 04:14 bytedance-seed/seed-2.0-code::high
~200B एकूण (~20B सक्रिय)MoEबंद स्रोतअंदाजित
(high) (medium) (low) (none)

सारांश

Seed-2.0-Code AI BENCHY वर 7.5 स्कोर करते आणि #177 वर आहे. याची reliability 9.0, pass rate 65.2%, एकूण खर्च $1.448, आणि सरासरी response time 124.87s आहे.

Seed-2.0-Code खास का आहे: हे डेटा पार्सिंग आणि निष्कर्षण मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर Samanya Buddhimatta हा सर्वात कमकुवत भाग आहे, rank #14.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-12

अंदाजित
पॅरामीटर्स
~200B एकूण (~20B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
बंद स्रोत
परवाना
-

सार्वजनिक पुराव्यावर आधारित सर्वोत्तम अंदाज; प्रदात्याने सर्व मूल्ये जाहीर केलेली नाहीत.

पॅरामीटर स्रोत उपलब्धता स्रोत

स्कोअर

7.5

सुसंगतता

7.9

विश्वसनीयता

9.0

एकूण खर्च (सध्याची किंमत)

$1.448

एकूण आउटपुट टोकन्स

432,850

एकूण इनपुट टोकन्स

297,321

इनपुट किंमत

$0.500 / 1M

आउटपुट किंमत

$3.000 / 1M

कॅश वाचण्याची किंमत

लागू नाही

कॅश लिहिण्याची किंमत

लागू नाही

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.

बरोबर चाचण्या

चुकीच्या चाचण्या: 11

प्रति प्रयत्न पास दर: 65.2%

अस्थिर चाचण्या

5

अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).

प्रतिसाद वेळ (सरासरी)

124.87s

प्रतिसाद वेळ (कमाल): 675.30s

प्रतिसाद वेळ (एकूण): 2871.96s

चुकीचे उत्तर: 6 API त्रुटी: 3 सूचनांचे पालन केले नाही: 1 उत्तर नाही: 1

Hamster playing table tennis

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

#177 Seed-2.0-Code

high
खर्च
$0.037
वेळ
183.6s
टोकन्स
12,388 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-10-01 04:14 पुन्हा चाचणी 7.5 9.0 $1.448 सध्याची रन
2026-08-12 23:09 पहिला रन 6.9 6.0 $1.312 तुलना करा

या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.

रन तुलना

रनबेंचमार्क कव्हरेजस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-10-01 04:14 · सध्याची रन69/69 प्रयत्न7.57.99.012/235432,850297,321$1.448124.87s
2026-08-12 23:09 · पहिला रन66/66 प्रयत्न6.97.06.011/228423,42481,961$1.312127.79s
फरक—+0.6+0.9+3.0+1-3+9426+215360+$0.136-2917ms

बेंचमार्क कव्हरेज वेगळे आहे: 69/69 प्रयत्न (लक्ष्य: प्रत्येक चाचणीसाठी 3 पुनरावृत्ती) विरुद्ध 66/66 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.

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

झटपट तुलना

Seed-2.0-CodehighvsMistral Large 4highSeed-2.0-CodehighvsGPT-5.6 LunamediumSeed-2.0-CodehighvsSeed-2.0-MinimediumSeed-2.0-CodehighvsQwen3.6 FlashmediumSeed-2.0-CodehighvsGLM 5.1mediumSeed-2.0-CodehighvsDeepSeek V4 Flash 0731lowSeed-2.0-CodehighvsSpace Bunny AlphahighSeed-2.0-CodehighvsSeed-2.0-CodemediumSeed-2.0-CodehighvsQwen3.8 27Blowमोफत उपलब्धSeed-2.0-CodehighvsGLM 5.3 FlashXhigh

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
स्वायत्त एजंट कार्ये 10.0 10.0
अँटी-एआय युक्त्या 8.3 10.0
कोडिंग 6.2 6.5
संयुक्त 7.3 5.8
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.5 4.4
Samanya Buddhimatta 4.6 7.8
सूचनांचे पालन 9.8 10.0
कोडी सोडवणे 7.8 9.3
टूल कॉलिंग 4.7 1.6
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स