Samenvatting
Ling-2.6-flash scoort 4.3 op AI BENCHY en staat op #243. Het model heeft n.v.t. betrouwbaarheid, een slagingspercentage van 28.8%, $0.000 totale kosten en 1.27s gemiddelde responstijd.
Wat Ling-2.6-flash uniek maakt: Het valt het meest op in Instructies opvolgen, waar het #1 staat, terwijl Gecombineerd het zwakste gebied is met #8. De totale benchmarkkosten zijn ongewoon laag voor dit scoreniveau.
Gearchiveerd model: dit model wordt niet langer bijgewerkt of getest op nieuwe tests.
Identiteitsnotitie
Elephant Alpha was de stealthversie van Ling-2.6-flash.
Deze pagina toont momenteel de benchmarkgegevens die onder Elephant Alpha zijn verzameld.
Onderzocht op 2026-08-12
4.3
Consistentie
9.2
n.v.t.
Totaal aantal uitvoer-tokens
2,596
Totaal aantal invoer-tokens
33,744
Invoerprijs
$0.000 / 1M
Uitvoerprijs
$0.000 / 1M
Instabiele tests
1
Instabiele tests hadden gemengde uitkomsten over runs (minstens één geslaagd en één gefaald).
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Rungeschiedenis
| Getest op | Score | Betrouwbaarheid | Correcte tests | Totale kosten | Vergelijken |
|---|---|---|---|---|---|
| 2026-06-04 14:27 Nieuwe test toegevoegd | 4.3 | n.v.t. | $0.000 | Huidige run | |
| 2026-05-22 00:40 Suite gewijzigd | 5.4 | n.v.t. | $0.000 | Vergelijken | |
| 2026-04-22 12:55 Eerste geregistreerde run | 5.2 | n.v.t. | $0.000 | Vergelijken |
Deze run gebruikte een andere benchmarkset. Houd rekening met suitewijzigingen bij het lezen van historische verschuivingen.
Runvergelijking
| Run | Benchmarkdekking | Score | Consistentie | Betrouwbaarheid | Correcte tests | Instabiele tests | Totaal aantal uitvoer-tokens | Totaal aantal invoer-tokens | Totale kosten | Responstijd (gem.) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-06-04 14:27 · Huidige run | 21/22 tests · 63/66 pogingen | 4.3 | 9.2 | n.v.t. | 6/21 | 1 | 2,596 | 33,744 | $0.000 | 1.27s |
| 2026-05-22 00:40 · Suite gewijzigd | 20/20 tests · 60/60 pogingen | 5.4 | 9.6 | n.v.t. | 6/19 | 1 | 2,596 | 0 | $0.000 | 1.27s |
| Verschil | — | -1.1 | -0.4 | -1 | 0 | 0 | +33744 | $0.000 | 0ms |
De benchmarkdekking verschilt: 21/21 tests · 63/63 pogingen (Doel: 3 herhalingen per test) tegenover 20/20 tests · 60/60 pogingen (Doel: 3 herhalingen per test). Totalen en herhalingsgevoelige statistieken zijn niet direct vergelijkbaar.
Deze twee runs gebruikten verschillende benchmarksets, dus de verschillen weerspiegelen zowel modelveranderingen als suitewijzigingen.
Kies eerst het eerste model en klik daarna op een tweede model om een zij-aan-zijpagina te openen.
| Categorie | Score | Consistentie | Correcte tests |
|---|---|---|---|
| Anti-AI-trucs | 6.6 | 10.0 | |
| Programmeren | 3.7 | 7.8 | |
| Gecombineerd | 1.5 | 5.0 | |
| Gegevensparsering en extractie | 6.5 | 10.0 | |
| Domeinspecifiek | 3.0 | 10.0 | |
| Algemene intelligentie | 4.3 | 10.0 | |
| Instructies opvolgen | 9.8 | 10.0 | |
| Puzzeloplossing | 5.3 | 10.0 | |
| Toolaanroepen | 3.0 | 10.0 | |
| Algemene kennis | 3.0 | 10.0 |