Advertise here
#177

Seed-2.0-Code

Bytedance Seed Lansare: 2026-08-12 Testat la: 2026-10-01 04:14 bytedance-seed/seed-2.0-code::high
~200B în total (~20B activi)MoEÎnchisEstimat
(high) (medium) (low) (none)

Rezumat

Seed-2.0-Code obține 7.5 pe AI BENCHY și este pe #177. Are fiabilitate 9.0, rată de reușită 65.2%, cost total $1.448 și timp mediu de răspuns 124.87s.

Ce face Seed-2.0-Code unic: Se remarcă cel mai mult la Parsare și extragere de date, unde este pe #1, iar Inteligență generală este zona cea mai slabă, la #14.

Date despre model

Documentat la 2026-08-12

Estimat
Parametri
~200B în total (~20B activi)
Arhitectură
MoE
Disponibilitate
Închis
Licență
-

Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.

Sursa parametrilor Sursa disponibilității

Scor

7.5

Consistență

7.9

Fiabilitate

9.0

Cost total (preț curent)

$1.448

Total tokenuri de ieșire

432,850

Total tokenuri de intrare

297,321

Preț de intrare

$0.500 / 1M

Preț de ieșire

$3.000 / 1M

Preț citire cache

N/D

Preț scriere cache

N/D

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.

Teste corecte

Teste greșite: 11

Rată de trecere pe încercare: 65.2%

Teste instabile

5

Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).

Timp de răspuns (mediu)

124.87s

Timp de răspuns (maxim): 675.30s

Timp de răspuns (total): 2871.96s

Răspuns greșit: 6 Eroare API: 3 Nu a urmat instrucțiunile: 1 Fără răspuns: 1

Hamster playing table tennis

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

#177 Seed-2.0-Code

high
Cost
$0.037
Timp
183.6s
Tokenuri
12,388 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-10-01 04:14 Retestare 7.5 9.0 $1.448 Rularea curentă
2026-08-12 23:09 Prima rulare 6.9 6.0 $1.312 Compară

Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.

Comparație între rulări

RulareAcoperire benchmarkScorConsistențăFiabilitateTeste corecteTeste instabileTotal tokenuri de ieșireTotal tokenuri de intrareCost totalTimp de răspuns (mediu)
2026-10-01 04:14 · Rularea curentă69/69 încercări7.57.99.012/235432,850297,321$1.448124.87s
2026-08-12 23:09 · Prima rulare66/66 încercări6.97.06.011/228423,42481,961$1.312127.79s
Diferență—+0.6+0.9+3.0+1-3+9426+215360+$0.136-2917ms

Acoperirea benchmark diferă: 69/69 încercări (Țintă: 3 repetări per test) față de 66/66 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.

Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.

Grafice

Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Comparație rapidă

Seed-2.0-CodehighvsMistral Large 4highSeed-2.0-CodehighvsGPT-5.6 LunamediumSeed-2.0-CodehighvsSeed-2.0-MinimediumSeed-2.0-CodehighvsQwen3.6 FlashmediumSeed-2.0-CodehighvsGLM 5.1mediumSeed-2.0-CodehighvsDeepSeek V4 Flash 0731lowSeed-2.0-CodehighvsSpace Bunny AlphahighSeed-2.0-CodehighvsSeed-2.0-CodemediumSeed-2.0-CodehighvsQwen3.8 27BlowDisponibil gratuitSeed-2.0-CodehighvsGLM 5.3 FlashXhigh

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Sarcini agentice 10.0 10.0
Trucuri anti-AI 8.3 10.0
Programare 6.2 6.5
Combinat 7.3 5.8
Parsare și extragere de date 10.0 10.0
Specific domeniului 3.5 4.4
Inteligență generală 4.6 7.8
Respectarea instrucțiunilor 9.8 10.0
Rezolvare de puzzle-uri 7.8 9.3
Apelare instrumente 4.7 1.6
Cultură generală 3.0 10.0

Modele comparate