Rezumat
Ling-2.6-flash obține 4.9 pe AI BENCHY și este pe #271. Are fiabilitate 9.6, rată de reușită 30.3%, cost total $0.002 și timp mediu de răspuns 10.71s.
Ce face Ling-2.6-flash unic: Se remarcă cel mai mult la Programare, unde este pe #3, iar Rezolvare de puzzle-uri este zona cea mai slabă, la #14.
Notă de identitate
Elephant Alpha a fost versiunea stealth a lui Ling-2.6-flash.
Documentat la 2026-08-12
4.9
Consistență
9.3
9.6
Total tokenuri de ieșire
14,903
Total tokenuri de intrare
114,384
Preț de intrare
$0.010 / 1M
Preț de ieșire
$0.030 / 1M
Teste instabile
2
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 |
|---|---|---|---|---|---|
| 2026-08-14 03:06 Retestare | 4.9 | 9.6 | $0.002 ↑ | Rularea curentă | |
| 2026-07-16 23:16 Test nou adăugat | 4.9 | 10.0 | $0.002 ↑ | Compară | |
| 2026-06-04 14:30 Test nou adăugat | 5.0 | 10.0 | $0.001 ↑ | Compară | |
| 2026-05-22 00:42 Suită modificată | 5.3 | 10.0 | $0.001 | Compară | |
| 2026-05-08 15:30 Suită modificată | 5.3 | 10.0 | $0.001 | Compară | |
| 2026-04-22 12:55 Prima rulare înregistrată | 5.4 | N/D | $0.000 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-14 03:06 · Rularea curentă | 66/66 încercări | 4.9 | 9.3 | 9.6 | 6/22 | 2 | 14,903 | 114,384 | $0.002 | 10.71s |
| 2026-04-22 12:55 · Prima rulare înregistrată | 52/54 încercări | 5.4 | 9.5 | N/D | 6/18 | 1 | 3,338 | 0 | $0.000 | 11.33s |
| Diferență | — | -0.5 | -0.2 | 0 | +1 | +11565 | +114384 | +$0.002 | -613ms |
Acoperirea benchmark diferă: 66/66 încercări (Țintă: 3 repetări per test) față de 52/54 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.
Istoric prețuri
Date istorice de preț pentru acest model de la OpenRouter.
| Dată | Preț de intrare | Preț de ieșire |
|---|---|---|
| 2026-08-14 12:51 | $0.010 / 1M | $0.030 / 1M |
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 6.8 | 8.1 | |
| Programare | 5.3 | 10.0 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 6.5 | 10.0 | |
| Specific domeniului | 3.0 | 10.0 | |
| Inteligență generală | 4.0 | 10.0 | |
| Respectarea instrucțiunilor | 9.8 | 10.0 | |
| Rezolvare de puzzle-uri | 2.9 | 7.2 | |
| Apelare instrumente | 3.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |