Advertise here
#130

Seed-2.0-Code

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

Rezumat

Seed-2.0-Code obține 8.1 pe AI BENCHY și este pe #130. Are fiabilitate 8.9, rată de reușită 78.3%, cost total $0.881 și timp mediu de răspuns 73.02s.

Ce face Seed-2.0-Code unic: Se remarcă cel mai mult la Parsare și extragere de date, unde este pe #1, iar Respectarea instrucțiunilor 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

8.1

Consistență

7.9

Fiabilitate

8.9

Cost total (preț curent)

$0.881

Total tokenuri de ieșire

253,807

Total tokenuri de intrare

237,604

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: 9

Rată de trecere pe încercare: 78.3%

Teste instabile

6

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

Timp de răspuns (mediu)

73.02s

Timp de răspuns (maxim): 485.92s

Timp de răspuns (total): 1679.49s

Răspuns greșit: 7 Eroare API: 1 Nu a urmat instrucțiunile: 1

Hamster playing table tennis

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

#130 Seed-2.0-Code

low
Provider returned error
Cost
$0.000
Timp
0.3s
Tokenuri
0 tok

Istoric rulări

Testat la Scor Fiabilitate Teste corecte Cost total Compară
2026-10-01 04:08 Retestare 8.1 8.9 $0.881 Rularea curentă
2026-08-12 22:39 Prima rulare 7.7 5.7 $0.681 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 04:08 · Rularea curentă69/69 încercări8.17.98.914/236253,807237,604$0.88173.02s
2026-08-12 22:39 · Prima rulare66/66 încercări7.77.55.713/227212,55885,648$0.68165.89s
Diferență—+0.4+0.4+3.2+1-1+41249+151956+$0.200+7134ms

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-CodelowvsKimi K3.1 ProhighSeed-2.0-CodelowvsDeepSeek V4 Pro 0423highSeed-2.0-CodelowvsSeed-2.0-LitemediumSeed-2.0-CodelowvsClaude Opus 4.7mediumSeed-2.0-CodelowvsGLM 5.3 FlashX LegalhighSeed-2.0-CodelowvsDeepSeek V4 Flash 0423highSeed-2.0-CodelowvsGPT-5.6 TerramediumSeed-2.0-CodelowvsDeepSeek V4.1 FlashlowSeed-2.0-CodelowvsGLM 5.2mediumSeed-2.0-CodelowvsGPT-5.6 Lunahigh

Defalcare pe categorii

Categorie Scor Consistență Teste corecte
Sarcini agentice 10.0 10.0
Trucuri anti-AI 8.7 7.9
Programare 7.0 7.1
Combinat 7.3 5.8
Parsare și extragere de date 10.0 10.0
Specific domeniului 4.1 4.4
Inteligență generală 6.5 3.4
Respectarea instrucțiunilor 9.8 10.0
Rezolvare de puzzle-uri 9.9 10.0
Apelare instrumente 10.0 10.0
Cultură generală 3.0 10.0

Modele comparate