AI BENCHY
Advertise here
#65

Gemma 4 26B A4B

Google प्रकाशन: 2026-04-03 चाचणी तारीख: 2026-04-22 21:39 google/gemma-4-26b-a4b-it::none
(medium) (none)

सारांश

Gemma 4 26B A4B AI BENCHY वर 6.2 स्कोर करते आणि #65 वर आहे. याची reliability लागू नाही, pass rate 48.2%, एकूण खर्च $0.005, आणि सरासरी response time 6.59s आहे.

Gemma 4 26B A4B खास का आहे: या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.

सुसंगतता

8.7

विश्वसनीयता

लागू नाही

एकूण आउटपुट टोकन्स

1,783

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.070 / 1M

आउटपुट किंमत

$0.340 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 11

प्रति प्रयत्न पास दर: 48.2%

अस्थिर चाचण्या

3

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

प्रतिसाद वेळ (सरासरी)

6.59s

प्रतिसाद वेळ (कमाल): 57.10s

प्रतिसाद वेळ (एकूण): 118.61s

जनरेशन शोकेस

Hamster playing table tennis

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

#65 Gemma 4 26B A4B

none
खर्च
$0.001
वेळ
39.5s
टोकन्स
790 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-06-04 14:04 नवीन चाचणी जोडली 6.0 10.0 $0.004 तुलना करा
2026-05-22 00:29 सूट बदलला 6.2 10.0 $0.006 तुलना करा
2026-04-22 21:39 पहिली नोंदलेली रन 6.2 लागू नाही $0.005 सध्याची रन

रन तुलना

रनस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-04-22 21:39 · पहिली नोंदलेली रन6.28.7लागू नाही7/1831,7830$0.0056.59s
2026-05-22 00:29 · सूट बदलला6.29.210.08/2021,8150$0.0066.00s
फरक0.0-0.5-1+1-320-$0.001+591ms

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

श्रेणीवार तपशील

श्रेणी स्कोअर सुसंगतता बरोबर चाचण्या
अँटी-एआय युक्त्या 8.3 10.0
कोडिंग 4.7 1.6
संयुक्त 3.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 3.6 7.2
Samanya Buddhimatta 4.0 10.0
सूचनांचे पालन 4.4 6.9
कोडी सोडवणे 5.7 10.0
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स