सारांश
Elephant Alpha AI BENCHY वर 5.2 स्कोर करते आणि #92 वर आहे. याची reliability लागू नाही, pass rate 31.5%, एकूण खर्च $0.000, आणि सरासरी response time 1.23s आहे.
Elephant Alpha खास का आहे: या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे. समान मॉडेल्सच्या तुलनेत हे लक्षणीय वेगवान आहे.
संग्रहित मॉडेल: हे मॉडेल आता अपडेट केले जाणार नाही आणि नवीन चाचण्यांवर तपासले जाणार नाही.
5.2
सुसंगतता
9.6
लागू नाही
$0.000
एकूण आउटपुट टोकन्स
2,573
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.000 / 1M
आउटपुट किंमत
$0.000 / 1M
अस्थिर चाचण्या
1
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
जनरेशन शोकेस
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 14:27 नवीन चाचणी जोडली | 5.1 | लागू नाही | $0.000 | तुलना करा | |
| 2026-05-22 00:40 सूट बदलला | 5.2 | लागू नाही | $0.000 | तुलना करा | |
| 2026-04-22 12:55 पहिली नोंदलेली रन | 5.2 | लागू नाही | $0.000 | सध्याची रन |
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-22 12:55 · पहिली नोंदलेली रन | 5.2 | 9.6 | लागू नाही | 5/18 | 1 | 2,573 | 0 | $0.000 | 1.23s |
| 2026-06-04 14:27 · नवीन चाचणी जोडली | 5.1 | 9.7 | लागू नाही | 5/21 | 1 | 2,573 | 33,743 | $0.000 | 1.22s |
| फरक | +0.1 | -0.1 | 0 | 0 | 0 | -33743 | $0.000 | +7ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 6.6 | 10.0 | |
| कोडिंग | 6.4 | 3.3 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 6.5 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 4.0 | 10.0 | |
| सूचनांचे पालन | 9.8 | 10.0 | |
| कोडी सोडवणे | 3.3 | 10.0 | |
| टूल कॉलिंग | 3.0 | 10.0 |