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

AI BENCHY Compare

Anthropic: Claude Opus 4.8 vs ByteDance Seed: Seed-2.0-Mini

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-29

Metrică Claude Opus 4.8 Claude Opus 4.8 none Lansare: 2026-05-28 Seed-2.0-Mini Seed-2.0-Mini medium Lansare: 2026-02-14
Scor 7.3 7.1
Rang #65 #75
Fiabilitate 10.0 10.0
Consistență 9.2 9.2
Teste corecte
Rată de trecere pe încercare 65.0% 60.0%
Teste instabile 2 2
Rulări totale 60 60
Cost per rezultat 4.324 0.397
Cost total $0.519 $0.044
Preț de intrare $5.000 / 1M $0.100 / 1M
Preț de ieșire $25.000 / 1M $0.400 / 1M
Tokenuri de ieșire 8,098 2,555
Tokenuri de raționament 0 95,974
Timp de răspuns (mediu) 3.51s 80.22s
Timp de răspuns (maxim) 17.73s 262.83s
Timp de răspuns (total) 70.19s 1363.72s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 6.5 10.0 50.0% 0 3.40s 1,472 0
Seed-2.0-Mini 6.6 10.0 50.0% 0 74.75s 360 9,520
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 6.8 10.0 50.0% 0 3.59s 1,323 0
Seed-2.0-Mini 7.1 9.8 50.0% 0 220.48s 464 34,964
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.5 10.0 100.0% 0 17.73s 3,259 0
Seed-2.0-Mini 10.0 10.0 100.0% 0 262.83s 404 29,806
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.3 5.8 83.3% 1 1.77s 308 0
Seed-2.0-Mini 10.0 10.0 100.0% 0 24.27s 246 2,743
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 5.3 7.2 44.4% 1 1.66s 61 0
Seed-2.0-Mini 3.0 10.0 0.0% 0 0ms 0 0
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 3.48s 230 0
Seed-2.0-Mini 5.1 3.4 33.3% 1 36.65s 213 4,210
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 9.9 10.0 100.0% 0 1.37s 95 0
Seed-2.0-Mini 10.0 10.0 100.0% 0 17.47s 69 2,050
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 7.7 10.0 66.7% 0 2.74s 783 0
Seed-2.0-Mini 8.2 7.2 88.9% 1 31.79s 527 5,667
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 10.0 10.0 100.0% 0 5.35s 355 0
Seed-2.0-Mini 10.0 10.0 100.0% 0 88.68s 222 5,235
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.8 3.0 10.0 0.0% 0 3.41s 212 0
Seed-2.0-Mini 3.0 10.0 0.0% 0 56.76s 50 1,779

Comparație rapidă

Schimbă perechea de comparație