AI BENCHY
Advertise here
#98

Owl Alpha

Openrouter प्रकाशन: 2026-04-30 चाचणी तारीख: 2026-04-30 17:29 openrouter/owl-alpha::medium
(medium) (none)

सारांश

Owl Alpha AI BENCHY वर 5.6 स्कोर करते आणि #98 वर आहे. याची reliability 10.0, pass rate 37.0%, एकूण खर्च $0.000, आणि सरासरी response time 11.04s आहे.

Owl Alpha खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर सूचनांचे पालन हा सर्वात कमकुवत भाग आहे, rank #12. या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.

संग्रहित मॉडेल: हे मॉडेल आता अपडेट केले जाणार नाही आणि नवीन चाचण्यांवर तपासले जाणार नाही.

सुसंगतता

9.2

एकूण आउटपुट टोकन्स

1,596

एकूण इनपुट टोकन्स

0

इनपुट किंमत

$0.000 / 1M

आउटपुट किंमत

$0.000 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 12

प्रति प्रयत्न पास दर: 37.0%

अस्थिर चाचण्या

2

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

प्रतिसाद वेळ (सरासरी)

11.04s

प्रतिसाद वेळ (कमाल): 58.63s

प्रतिसाद वेळ (एकूण): 198.65s

Generation showcase

Hamster playing table tennis

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

#98 Owl Alpha

medium
Provider returned error
Cost
$0.000
Time
0.2s
Tokens
0 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-06-04 14:30 नवीन चाचणी जोडली 5.7 10.0 $0.000 तुलना करा
2026-05-22 00:43 सूट बदलला 5.8 9.9 $0.000 तुलना करा
2026-04-30 17:29 पहिला रन 5.6 10.0 $0.000 सध्याची रन

रन तुलना

रनस्कोअरसुसंगतताविश्वसनीयताबरोबर चाचण्याअस्थिर चाचण्याएकूण आउटपुट टोकन्सएकूण इनपुट टोकन्सएकूण खर्चप्रतिसाद वेळ (सरासरी)
2026-04-30 17:29 · पहिला रन5.69.210.06/1821,5960$0.00011.04s
2026-06-04 14:30 · नवीन चाचणी जोडली5.79.610.08/2112,97443,478$0.00011.95s
फरक-0.1-0.40.0-2+1-1378-43478$0.000-911ms

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 4.8 10.0
कोडिंग 10.0 10.0
संयुक्त 3.0 10.0
डेटा पार्सिंग आणि निष्कर्षण 10.0 10.0
डोमेन-विशिष्ट 5.3 10.0
Samanya Buddhimatta 4.3 10.0
सूचनांचे पालन 4.4 6.9
कोडी सोडवणे 3.4 7.2
टूल कॉलिंग 10.0 10.0

तुलना केलेली मॉडेल्स