Rezumat
Ling-2.6-flash obține 4.3 pe AI BENCHY și este pe #243. Are fiabilitate N/D, rată de reușită 28.8%, cost total $0.000 și timp mediu de răspuns 1.27s.
Ce face Ling-2.6-flash unic: Se remarcă cel mai mult la Respectarea instrucțiunilor, unde este pe #1, iar Combinat este zona cea mai slabă, la #8. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
Model arhivat: acest model nu mai este actualizat și nu mai este testat pe teste noi.
Notă de identitate
Elephant Alpha a fost versiunea stealth a lui Ling-2.6-flash.
Această pagină reflectă în prezent datele de benchmark colectate sub Elephant Alpha.
Documentat la 2026-08-12
4.3
Consistență
9.2
N/D
$0.000
Total tokenuri de ieșire
2,596
Total tokenuri de intrare
33,744
Preț de intrare
$0.000 / 1M
Preț de ieșire
$0.000 / 1M
Teste instabile
1
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 14:27 Test nou adăugat | 4.3 | N/D | $0.000 | Rularea curentă | |
| 2026-05-22 00:40 Suită modificată | 5.4 | N/D | $0.000 | Compară | |
| 2026-04-22 12:55 Prima rulare înregistrată | 5.2 | N/D | $0.000 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 6.6 | 10.0 | |
| Programare | 3.7 | 7.8 | |
| Combinat | 1.5 | 5.0 | |
| Parsare și extragere de date | 6.5 | 10.0 | |
| Specific domeniului | 3.0 | 10.0 | |
| Inteligență generală | 4.3 | 10.0 | |
| Respectarea instrucțiunilor | 9.8 | 10.0 | |
| Rezolvare de puzzle-uri | 5.3 | 10.0 | |
| Apelare instrumente | 3.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |