Claude Haiku 5.5 (medium) vs Inkling 2 Mini (local Q4) (low)
Claude Haiku 5.5 (medium) conduce la scorul mediu cu 7.7 vs 7.6. Claude Haiku 5.5 (medium) are costul de benchmark mai mic, $0.063 vs ~$0.292. Claude Haiku 5.5 (medium) este mai rapid cu 7.71s vs 153.99s, cu rate de reușită de 71.0% vs 66.7%.
Benchmark-urile au fost generate din suitele de teste AI BENCHY la:
2026-11-22
Modele comparate
Rang
#197
Total tokenuri de ieșire
66,174
Timp de răspuns (mediu)
7.71s
Cost total
$0.063
Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
Rang
#202
Total tokenuri de ieșire
129,600
Timp de răspuns (mediu)
153.99s
Cost total
~$0.292Estimarea include numai energia electrică a plăcii GPU. Restul computerului și achiziția hardware-ului nu sunt incluse. NVIDIA GeForce RTX 3090: 2.9515 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.291818.
Model recomandatClaude Haiku 5.5 (medium)
Are cel mai bun scor aici (7.7) și costă de aproximativ 4.6x mai puțin decât Inkling 2 Mini (local Q4) (low).
Inkling 2 Mini (local Q4)Inkling 2 Mini (local Q4)lowRăspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.Lansare: 2026-11-20
Inkling 2 Mini (local Q4)Inkling 2 Mini (local Q4)lowRăspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.Lansare: 2026-11-20
Scor
7.7Scor mediu pe toate testele de benchmark.…
7.6Scor mediu pe toate testele de benchmark.…
Rang
#197
#202
Fiabilitate
10.0Scorul de succes la prima încercare: 10.0 înseamnă fără erori reîncercabile ale API-ului țintă sau de limită de rată înainte de apeluri reușite; erorile urmărite reduc scorul.…
9.7Scorul de succes la prima încercare: 10.0 înseamnă fără erori reîncercabile ale API-ului țintă sau de limită de rată înainte de apeluri reușite; erorile urmărite reduc scorul.…
Consistență
7.5Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
9.6Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Răspuns greșit: 5Nu a urmat instrucțiunile: 1Fără răspuns: 1Timp expirat: 1Timp de răspuns (mediu)153.99sTimp de răspuns (maxim)1963.67sTimp de răspuns (total)3541.85sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
Rată de trecere pe încercare
71.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
66.7%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
Teste instabile
7Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
1Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Rulări totale
69Rulări totale…
69Rulări totale…
Cost per rezultat
0.485
~1.946Estimarea include numai energia electrică a plăcii GPU. Restul computerului și achiziția hardware-ului nu sunt incluse. NVIDIA GeForce RTX 3090: 2.9515 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.291818.
Cost total
$0.063
~$0.292Estimarea include numai energia electrică a plăcii GPU. Restul computerului și achiziția hardware-ului nu sunt incluse. NVIDIA GeForce RTX 3090: 2.9515 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.291818.
Preț de intrare
$0.100 / 1MPreț de intrare…
N/DPreț de intrare…
Preț de ieșire
$0.500 / 1MPreț de ieșire…
N/DPreț de ieșire…
Preț citire cache
$0.010 / 1MPreț citire cache…
N/DPreț citire cache…
Preț scriere cache
$0.125 / 1MPreț scriere cache…
N/DPreț scriere cache…
Total tokenuri de intrare
298,334Total tokenuri de intrare…
312,366Total tokenuri de intrare…
Tokenuri de ieșire
10,328Tokenuri de ieșire…
1,631Tokenuri de ieșire…
Tokenuri de raționament
55,846Tokenuri de raționament…
127,969Tokenuri de raționament…
Timp de răspuns (mediu)
7.71sTimp de răspuns (mediu)…
153.99sTimp de răspuns (mediu)…
Timp de răspuns (maxim)
47.70sTimp de răspuns (maxim)…
1963.67sTimp de răspuns (maxim)…
Timp de răspuns (total)
177.29sTimp de răspuns (total)…
3541.85sTimp de răspuns (total)…
Parametri
~50B
26.4B în total (3.4B activi)
Disponibilitate
Închis
Sursă deschisă
Prețurile de cache se aplică tokenurilor de intrare. Citirea reutilizează prompturi salvate; scrierea le stochează și poate costa în plus. Tokenurile de ieșire folosesc prețul de ieșire.
Prezentare generare modele
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#197 Claude Haiku 5.5
medium
Cost
$0.002
Timp
17.2s
Tokenuri
3,524 tok
#202 Thinking Machines: Inkling 2 Mini (local Q4)
lowRăspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
Cost
~$0.003Estimarea include numai energia electrică a plăcii GPU. Restul computerului și achiziția hardware-ului nu sunt incluse. NVIDIA GeForce RTX 3090: 0.0237 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.002347.
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
100.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Niciun răspuns eșuat.Timp de răspuns (mediu)47.70sTimp de răspuns (maxim)47.70sTimp de răspuns (total)47.70sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
47.70sTimp de răspuns (mediu)…
163,704Total tokenuri de intrare…
2,705Tokenuri de ieșire…
6,272Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
10.0Scor mediu pe toate testele de benchmark.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
100.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Niciun răspuns eșuat.Timp de răspuns (mediu)58.97sTimp de răspuns (maxim)58.97sTimp de răspuns (total)58.97sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
7.9Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
91.7%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
1Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Răspuns greșit: 1Timp de răspuns (mediu)2.36sTimp de răspuns (maxim)3.39sTimp de răspuns (total)9.44sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
2.36sTimp de răspuns (mediu)…
858Total tokenuri de intrare…
471Tokenuri de ieșire…
1,871Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
10.0Scor mediu pe toate testele de benchmark.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
100.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Niciun răspuns eșuat.Timp de răspuns (mediu)5.40sTimp de răspuns (maxim)8.07sTimp de răspuns (total)21.60sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
4.8Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
66.7%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
2Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Răspuns greșit: 2Timp de răspuns (mediu)7.16sTimp de răspuns (maxim)8.94sTimp de răspuns (total)21.47sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
7.16sTimp de răspuns (mediu)…
10,608Total tokenuri de intrare…
518Tokenuri de ieșire…
11,415Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
5.3Scor mediu pe toate testele de benchmark.…
7.2Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
44.4%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
1Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Timp expirat: 1Răspuns greșit: 1Timp de răspuns (mediu)831.97sTimp de răspuns (maxim)1963.67sTimp de răspuns (total)2495.90sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
5.8Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
83.3%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
1Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Răspuns greșit: 1Timp de răspuns (mediu)20.29sTimp de răspuns (maxim)26.07sTimp de răspuns (total)40.58sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
20.29sTimp de răspuns (mediu)…
97,091Total tokenuri de intrare…
4,812Tokenuri de ieșire…
17,244Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
6.5Scor mediu pe toate testele de benchmark.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
50.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Fără răspuns: 1Timp de răspuns (mediu)123.84sTimp de răspuns (maxim)227.77sTimp de răspuns (total)247.69sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
100.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Niciun răspuns eșuat.Timp de răspuns (mediu)3.43sTimp de răspuns (maxim)3.56sTimp de răspuns (total)6.87sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
3.43sTimp de răspuns (mediu)…
10,515Total tokenuri de intrare…
312Tokenuri de ieșire…
1,666Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
10.0Scor mediu pe toate testele de benchmark.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
100.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Niciun răspuns eșuat.Timp de răspuns (mediu)20.83sTimp de răspuns (maxim)21.70sTimp de răspuns (total)41.66sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
4.4Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
22.2%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
2Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Formatare suplimentară: 2Răspuns greșit: 1Timp de răspuns (mediu)7.96sTimp de răspuns (maxim)9.19sTimp de răspuns (total)23.89sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
7.96sTimp de răspuns (mediu)…
990Total tokenuri de intrare…
71Tokenuri de ieșire…
10,376Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
7.7Scor mediu pe toate testele de benchmark.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
66.7%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Răspuns greșit: 1Timp de răspuns (mediu)198.65sTimp de răspuns (maxim)335.23sTimp de răspuns (total)595.96sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
2.5Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
33.3%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
1Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Nu a urmat instrucțiunile: 1Timp de răspuns (mediu)5.17sTimp de răspuns (maxim)5.17sTimp de răspuns (total)5.17sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
5.17sTimp de răspuns (mediu)…
714Total tokenuri de intrare…
192Tokenuri de ieșire…
1,933Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
5.5Scor mediu pe toate testele de benchmark.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
0.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Răspuns greșit: 1Timp de răspuns (mediu)5.55sTimp de răspuns (maxim)5.55sTimp de răspuns (total)5.55sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
100.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Niciun răspuns eșuat.Timp de răspuns (mediu)3.01sTimp de răspuns (maxim)3.29sTimp de răspuns (total)6.02sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
3.01sTimp de răspuns (mediu)…
921Total tokenuri de intrare…
100Tokenuri de ieșire…
1,278Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
9.8Scor mediu pe toate testele de benchmark.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
100.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Niciun răspuns eșuat.Timp de răspuns (mediu)5.10sTimp de răspuns (maxim)5.52sTimp de răspuns (total)10.21sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
66.7%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Nu a urmat instrucțiunile: 1Timp de răspuns (mediu)2.67sTimp de răspuns (maxim)3.28sTimp de răspuns (total)8.01sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
2.67sTimp de răspuns (mediu)…
912Total tokenuri de intrare…
568Tokenuri de ieșire…
2,119Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
5.8Scor mediu pe toate testele de benchmark.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
33.3%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Nu a urmat instrucțiunile: 1Răspuns greșit: 1Timp de răspuns (mediu)10.51sTimp de răspuns (maxim)14.31sTimp de răspuns (total)31.52sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
100.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Niciun răspuns eșuat.Timp de răspuns (mediu)5.02sTimp de răspuns (maxim)5.02sTimp de răspuns (total)5.02sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
5.02sTimp de răspuns (mediu)…
11,757Total tokenuri de intrare…
354Tokenuri de ieșire…
609Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
10.0Scor mediu pe toate testele de benchmark.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
100.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Niciun răspuns eșuat.Timp de răspuns (mediu)7.53sTimp de răspuns (maxim)7.53sTimp de răspuns (total)7.53sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
0.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Fără răspuns: 1Timp de răspuns (mediu)3.12sTimp de răspuns (maxim)3.12sTimp de răspuns (total)3.12sUn test este considerat trecut complet doar dacă toate rulările lui trec.…
3.12sTimp de răspuns (mediu)…
264Total tokenuri de intrare…
225Tokenuri de ieșire…
1,063Tokenuri de raționament…
Inkling 2 Mini (local Q4)Răspunsurile modelului candidat au fost generate pe hardware local. OpenRouter a fost folosit doar pentru evaluare. inkling-2-mini-ud-q4_k_xl · UD-Q4_K_XL · llama.cpp b12631-e300919cc · NVIDIA GeForce RTX 3090.
3.0Scor mediu pe toate testele de benchmark.…
10.0Scorul de consistență reflectă stabilitatea între rulări (10 = foarte consistent, chiar dacă este constant greșit).…
0.0%Rata de trecere pe încercare = încercări trecute / total încercări pe toate rulările.…
0Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).…
Un test este considerat trecut complet doar dacă toate rulările lui trec.Răspuns greșit: 1Timp de răspuns (mediu)25.28sTimp de răspuns (maxim)25.28sTimp de răspuns (total)25.28sUn test este considerat trecut complet doar dacă toate rulările lui trec.…