AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com
#217

Hy4 preview

Tencent प्रकाशन: 2026-08-29 चाचणी तारीख: 2026-08-29 16:18 tencent/hy4-preview::low
770B एकूण (49B सक्रिय)MoEमुक्त स्रोत
(low) (none)

सारांश

Hy4 preview AI BENCHY वर 5.6 स्कोर करते आणि #217 वर आहे. याची reliability 5.4, pass rate 19.7%, एकूण खर्च $1.745, आणि सरासरी response time 214.25s आहे.

Hy4 preview खास का आहे: हे Samanya Buddhimatta मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर संयुक्त हा सर्वात कमकुवत भाग आहे, rank #11. हे असामान्यपणे जास्त reasoning tokens वापरते, ज्यामुळे runs हळू किंवा महाग होऊ शकतात.

मॉडेलची माहिती

संशोधन दिनांक: 2026-08-29

जाहीर केलेले
पॅरामीटर्स
770B एकूण (49B सक्रिय)
आर्किटेक्चर
MoE
उपलब्धता
मुक्त स्रोत
परवाना
Apache-2.0

सुसंगतता

8.5

एकूण आउटपुट टोकन्स

682,538

एकूण इनपुट टोकन्स

45,154

इनपुट किंमत

$0.834 / 1M

आउटपुट किंमत

$2.501 / 1M

बरोबर चाचण्या

चुकीच्या चाचण्या: 19

प्रति प्रयत्न पास दर: 19.7%

अस्थिर चाचण्या

3

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

प्रतिसाद वेळ (सरासरी)

214.25s

प्रतिसाद वेळ (कमाल): 597.45s

प्रतिसाद वेळ (एकूण): 4713.56s

Hamster playing table tennis

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

#217 Hy4 preview

low
Provider returned error
खर्च
$0.000
वेळ
1.1s
टोकन्स
0 tok

रन इतिहास

चाचणी तारीख स्कोअर विश्वसनीयता बरोबर चाचण्या एकूण खर्च तुलना करा
2026-08-29 15:57 पुन्हा चाचणी 5.1 3.6 $1.681 सध्याची रन
2026-08-29 14:28 पहिला रन 4.3 1.6 $1.433 तुलना करा

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 6.0 8.9
कोडिंग 5.2 8.6
संयुक्त 2.9 5.8
डेटा पार्सिंग आणि निष्कर्षण 8.7 10.0
डोमेन-विशिष्ट 4.5 10.0
Samanya Buddhimatta 7.5 10.0
सूचनांचे पालन 9.8 10.0
कोडी सोडवणे 5.3 5.0
टूल कॉलिंग 3.0 10.0
सामान्य ज्ञान 3.0 10.0

तुलना केलेली मॉडेल्स