Rezumat
Ling-2.6-flash obține 5.3 pe AI BENCHY și este pe #118. Are fiabilitate 10.0, rată de reușită 35.1%, cost total $0.001 și timp mediu de răspuns 9.76s.
Ce face Ling-2.6-flash unic: Se remarcă cel mai mult la Programare, unde este pe #1, iar Rezolvare de puzzle-uri este zona cea mai slabă, la #16. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
5.3
Consistență
9.2
10.0
$0.001
Total tokenuri de ieșire
2,878
Total tokenuri de intrare
0
Preț de intrare
$0.080 / 1M
Preț de ieșire
$0.240 / 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 |
|---|---|---|---|---|---|
| 2026-07-16 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 | Rularea curentă | |
| 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.
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 | 10.0 | 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 |