#98 Owl Alpha
medium
Provider returned error
- Cost
- $0.000
- Time
- 0.2s
- Tokens
- 0 tok
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.
5.6
सुसंगतता
9.2
10.0
$0.000
एकूण आउटपुट टोकन्स
1,596
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.000 / 1M
आउटपुट किंमत
$0.000 / 1M
अस्थिर चाचण्या
2
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Generation showcase
Hamster playing table tennis
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 14:30 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
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-30 17:29 · पहिला रन | 5.6 | 9.2 | 10.0 | 6/18 | 2 | 1,596 | 0 | $0.000 | 11.04s |
| 2026-06-04 14:30 · नवीन चाचणी जोडली | 5.7 | 9.6 | 10.0 | 8/21 | 1 | 2,974 | 43,478 | $0.000 | 11.95s |
| फरक | -0.1 | -0.4 | 0.0 | -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.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
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 |