#135 IBM: Granite 4.1 8B
none- Cost
- $0.001
- Timp
- 3.2s
- Tokenuri
- 491 tok
IBM Granite
Lansare: 2026-05-01
Testat la: 2026-05-01 00:31
ibm-granite/granite-4.1-8b::none
8BDensSursă deschisă Rezumat
Granite 4.1 8B obține 4.3 pe AI BENCHY și este pe #135. Are fiabilitate 10.0, rată de reușită 11.1%, cost total $0.003 și timp mediu de răspuns 767ms.
Ce face Granite 4.1 8B unic: Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor. Este vizibil rapid față de modele similare.
Date despre model
Documentat la 2026-08-12
- Parametri
- 8B
- Arhitectură
- Dens
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
4.3
Consistență
10.0
10.0
$0.003
Total tokenuri de ieșire
2,712
Total tokenuri de intrare
0
Preț de intrare
$0.050 / 1M
Preț de ieșire
$0.100 / 1M
Teste instabile
0
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-08-14 02:51 Retestare | 4.0 | 10.0 | $0.007 | Compară | |
| 2026-07-16 23:04 Test nou adăugat | 4.0 | 10.0 | $0.007 | Compară | |
| 2026-06-04 14:07 Test nou adăugat | 4.0 | 10.0 | $0.003 | Compară | |
| 2026-05-22 00:30 Suită modificată | 4.1 | 10.0 | $0.003 | Compară | |
| 2026-05-01 00:31 Prima rulare | 4.3 | 10.0 | $0.003 | Rularea curentă |
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-01 00:31 · Prima rulare | 54/54 încercări | 4.3 | 10.0 | 10.0 | 2/18 | 0 | 2,712 | 0 | $0.003 | 767ms |
| 2026-05-22 00:30 · Suită modificată | 60/60 încercări | 4.1 | 10.0 | 10.0 | 2/20 | 0 | 2,742 | 0 | $0.003 | 723ms |
| Diferență | — | +0.2 | 0.0 | 0.0 | 0 | 0 | -30 | 0 | -$0.001 | +44ms |
Acoperirea benchmark diferă: 54/54 încercări (Țintă: 3 repetări per test) față de 60/60 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.
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
Comparație rapidă
Granite 4.1 8BnonevsLing 3.0 TinynoneGranite 4.1 8BnonevsNemotron 3.5 LightningnoneDisponibil gratuitGranite 4.1 8BnonevsGrok 4.20noneGranite 4.1 8BnonevsMercury 2.5noneGranite 4.1 8BnonevsGranite 4.2 8BnoneGranite 4.1 8BnonevsLing 3.0 TinyhighGranite 4.1 8BnonevsGLM 4.7 FlashmediumGranite 4.1 8BnonevsLing 3.0 TinylowGranite 4.1 8BnonevsLaguna S 2.1noneDisponibil gratuitGranite 4.1 8BnonevsQwen3.5-9Bmedium
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 4.9 | 10.0 | |
| Programare | 6.9 | 10.0 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 3.0 | 10.0 | |
| Specific domeniului | 3.0 | 10.0 | |
| Inteligență generală | 4.0 | 10.0 | |
| Respectarea instrucțiunilor | 3.6 | 9.9 | |
| Rezolvare de puzzle-uri | 3.7 | 10.0 | |
| Apelare instrumente | 10.0 | 10.0 |