#44
Bytedance Seed
प्रकाशन: 2026-02-14
चाचणी तारीख: 2026-04-11 01:44
bytedance-seed/seed-2.0-mini::medium
7.5
सुसंगतता
9.2
लागू नाही
$0.037
एकूण आउटपुट टोकन्स
81,657
इनपुट किंमत
$0.100 / 1M
आउटपुट किंमत
$0.400 / 1M
अस्थिर चाचण्या
2
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-22 00:44 सूट बदलला | 7.1 | 5.0 | $0.044 | तुलना करा | |
| 2026-04-11 01:44 पहिली नोंदलेली रन | 7.5 | लागू नाही | $0.037 | सध्याची रन |
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · पहिली नोंदलेली रन | 7.5 | 9.2 | लागू नाही | 11/18 | 2 | 81,657 | $0.037 | 69.70s |
| 2026-05-22 00:44 · सूट बदलला | 7.1 | 9.2 | 5.0 | 11/20 | 2 | 97,852 | $0.044 | 79.17s |
| फरक | +0.5 | 0.0 | 0 | 0 | -16195 | -$0.007 | -9472ms |
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.
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
Seed-2.0-MinimediumvsGPT-5.4 MinimediumSeed-2.0-MinimediumvsGPT-5.2mediumSeed-2.0-MinimediumvsDeepSeek V3.2mediumSeed-2.0-MinimediumvsGLM 5V TurbomediumSeed-2.0-MinimediumvsQwen3.5-35B-A3BmediumSeed-2.0-MinimediumvsGemini 3 Flash PreviewmediumSeed-2.0-MinimediumvsGemini 3.5 FlashhighSeed-2.0-MinimediumvsRing-2.6-1TmediumSeed-2.0-MinimediumvsGemini 3.5 Flashlow
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 6.6 | 10.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 5.1 | 3.4 | |
| सूचनांचे पालन | 10.0 | 10.0 | |
| कोडी सोडवणे | 8.2 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 |