Rezumat
Elephant Alpha obține 5.4 pe AI BENCHY și este pe #122. Are fiabilitate N/D, rată de reușită 33.3%, cost total $0.000 și timp mediu de răspuns 1.27s.
Ce face Elephant Alpha unic: 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.
5.4
Consistență
9.6
N/D
$0.000
Total tokenuri de ieșire
2,596
Total tokenuri de intrare
0
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).
Prezentare generare
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 | 5.1 | N/D | $0.000 | Compară | |
| 2026-05-22 00:40 Suită modificată | 5.4 | N/D | $0.000 | Rularea curentă | |
| 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.
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:40 · Suită modificată | 5.4 | 9.6 | N/D | 6/19 | 1 | 2,596 | 0 | $0.000 | 1.27s |
| 2026-06-04 14:27 · Test nou adăugat | 5.1 | 9.7 | N/D | 6/21 | 1 | 2,596 | 33,744 | $0.000 | 1.27s |
| Diferență | +0.3 | -0.1 | +1 | 0 | 0 | -33744 | $0.000 | 0ms |
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
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 | 4.0 | 6.7 | |
| Combinat | 3.0 | 10.0 | |
| 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 | 0.0 | 0.0 |