Seed-2.0-Code (low) лидирует по среднему баллу: 8.1 vs 6.3. Seed-2.0-Code (low) имеет более низкую стоимость benchmark: $0.881 vs $2.961. Claude Opus 4.6 (medium) быстрее: 32.23s vs 73.02s, с долей успешных попыток 60.9% vs 78.3%.
Бенчмарки сгенерированы из тестовых наборов AI BENCHY в:
2026-10-16
Сравниваемые модели
Ранг
#249
Общее число выходных токенов
96,722
Время ответа (среднее)
32.23s
Общая стоимость
$2.961
Ранг
#103
Общее число выходных токенов
253,807
Время ответа (среднее)
73.02s
Общая стоимость
$0.881
Рекомендуемая модельSeed-2.0-Code (low)
Здесь у него лучший балл (8.1), при этом он примерно в 3.4 раза дешевле, чем Claude Opus 4.6 (medium).
Подробное сравнение
Метрика
Claude Opus 4.6Claude Opus 4.6mediumАрхивная модель: эта модель больше не обновляется и не тестируется на новых тестах.Релиз: 2026-02-05
10.0Оценка успеха с первой попытки: 10.0 означает отсутствие повторяемых сбоев целевого API или лимитов до успешных вызовов; зафиксированные сбои снижают оценку.…
8.9Оценка успеха с первой попытки: 10.0 означает отсутствие повторяемых сбоев целевого API или лимитов до успешных вызовов; зафиксированные сбои снижают оценку.…
Стабильность
8.5Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
7.9Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
Попытки
66/69
69/69
Тестов верно
Тест считается полностью пройденным, только если все его прогоны успешны.Лишнее форматирование: 4Неверный ответ: 4Не соблюдены инструкции: 1Время ответа (среднее)32.23sВремя ответа (макс.)151.51sВремя ответа (суммарно)515.65sТест считается полностью пройденным, только если все его прогоны успешны.…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 7Ошибка API: 1Не соблюдены инструкции: 1Время ответа (среднее)73.02sВремя ответа (макс.)485.92sВремя ответа (суммарно)1679.49sТест считается полностью пройденным, только если все его прогоны успешны.…
Доля успешных попыток
60.9%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
78.3%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
Нестабильные тесты
3Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
6Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Всего запусков
66Всего запусков…
69Всего запусков…
Стоимость за результат
22.777
6.288
Общая стоимость
$2.961
$0.881
Цена входа
$5.000 / 1MЦена входа…
$0.500 / 1MЦена входа…
Цена выхода
$25.000 / 1MЦена выхода…
$3.000 / 1MЦена выхода…
Цена чтения из кэша
$0.500 / 1MЦена чтения из кэша…
Н/ДЦена чтения из кэша…
Цена записи в кэш
$6.250 / 1MЦена записи в кэш…
Н/ДЦена записи в кэш…
Общее число входных токенов
108,573Общее число входных токенов…
237,604Общее число входных токенов…
Выходные токены
69,994Выходные токены…
9,617Выходные токены…
Токены рассуждений
26,728Токены рассуждений…
244,190Токены рассуждений…
Время ответа (среднее)
32.23sВремя ответа (среднее)…
73.02sВремя ответа (среднее)…
Время ответа (макс.)
151.51sВремя ответа (макс.)…
485.92sВремя ответа (макс.)…
Время ответа (суммарно)
515.65sВремя ответа (суммарно)…
1679.49sВремя ответа (суммарно)…
Параметры
~5T всего (~500B активных)
~200B всего (~20B активных)
Доступность
Закрытая модель
Закрытая модель
Цены кэша относятся к входным токенам. Чтение повторно использует сохранённые запросы; запись сохраняет их и может стоить дороже. Выходные токены оплачиваются по цене вывода.
Генерация showcase моделей
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#249 Claude Opus 4.6
medium
Reached the allocated time limit (300 seconds) without receiving showcase output.
Стоимость
$0.000
Время
300.0s
Токены
0 tok
#103 Seed-2.0-Code
low
Provider returned error
Стоимость
$0.000
Время
0.3s
Токены
0 tok
Ранг
-
Стоимость
-
Время
-
Токены
-
Лучшие модели по оценке
Оценка vs общая стоимость
Время ответа (среднее)
Оценка vs Время ответа (среднее)
Общее число выходных токенов
Оценка vs Общее число выходных токенов
Разбивка по категориям
Агентные задачи
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
0.0Средний балл по всем бенчмарк-тестам.…
0.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
0.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)0msВремя ответа (макс.)0msВремя ответа (суммарно)0msТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)90.18sВремя ответа (макс.)90.18sВремя ответа (суммарно)90.18sТест считается полностью пройденным, только если все его прогоны успешны.…
90.18sВремя ответа (среднее)…
151,947Общее число входных токенов…
1,475Выходные токены…
11,023Токены рассуждений…
Анти-ИИ уловки
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
6.4Средний балл по всем бенчмарк-тестам.…
5.8Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
66.7%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
2Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Лишнее форматирование: 2Время ответа (среднее)7.45sВремя ответа (макс.)11.88sВремя ответа (суммарно)14.90sТест считается полностью пройденным, только если все его прогоны успешны.…
7.9Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
91.7%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
1Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 1Время ответа (среднее)39.56sВремя ответа (макс.)120.09sВремя ответа (суммарно)158.26sТест считается полностью пройденным, только если все его прогоны успешны.…
39.56sВремя ответа (среднее)…
930Общее число входных токенов…
2,650Выходные токены…
15,987Токены рассуждений…
Программирование
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
5.7Средний балл по всем бенчмарк-тестам.…
7.1Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
44.4%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
1Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Лишнее форматирование: 1Не соблюдены инструкции: 1Время ответа (среднее)30.10sВремя ответа (макс.)35.63sВремя ответа (суммарно)90.31sТест считается полностью пройденным, только если все его прогоны успешны.…
7.1Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
55.6%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
1Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 2Время ответа (среднее)109.70sВремя ответа (макс.)141.71sВремя ответа (суммарно)329.11sТест считается полностью пройденным, только если все его прогоны успешны.…
109.70sВремя ответа (среднее)…
7,948Общее число входных токенов…
455Выходные токены…
55,759Токены рассуждений…
Комбинированный
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
10.0Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)114.08sВремя ответа (макс.)151.51sВремя ответа (суммарно)228.16sТест считается полностью пройденным, только если все его прогоны успешны.…
5.8Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
83.3%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
1Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Ошибка API: 1Время ответа (среднее)99.12sВремя ответа (макс.)173.03sВремя ответа (суммарно)198.23sТест считается полностью пройденным, только если все его прогоны успешны.…
99.12sВремя ответа (среднее)…
55,969Общее число входных токенов…
3,774Выходные токены…
21,408Токены рассуждений…
Парсинг и извлечение данных
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
10.0Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)7.37sВремя ответа (макс.)7.37sВремя ответа (суммарно)7.37sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)24.88sВремя ответа (макс.)30.28sВремя ответа (суммарно)49.75sТест считается полностью пройденным, только если все его прогоны успешны.…
24.88sВремя ответа (среднее)…
8,046Общее число входных токенов…
246Выходные токены…
1,639Токены рассуждений…
Предметно-ориентированное
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
3.0Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
0.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 2Лишнее форматирование: 1Время ответа (среднее)42.53sВремя ответа (макс.)83.40sВремя ответа (суммарно)85.06sТест считается полностью пройденным, только если все его прогоны успешны.…
4.4Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
44.5%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
2Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 3Время ответа (среднее)238.45sВремя ответа (макс.)485.92sВремя ответа (суммарно)715.34sТест считается полностью пройденным, только если все его прогоны успешны.…
238.45sВремя ответа (среднее)…
975Общее число входных токенов…
16Выходные токены…
132,626Токены рассуждений…
Общий интеллект
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
10.0Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)5.04sВремя ответа (макс.)5.04sВремя ответа (суммарно)5.04sТест считается полностью пройденным, только если все его прогоны успешны.…
3.4Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
66.7%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
1Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Не соблюдены инструкции: 1Время ответа (среднее)11.14sВремя ответа (макс.)11.14sВремя ответа (суммарно)11.14sТест считается полностью пройденным, только если все его прогоны успешны.…
11.14sВремя ответа (среднее)…
579Общее число входных токенов…
179Выходные токены…
1,117Токены рассуждений…
Следование инструкциям
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
10.0Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)2.43sВремя ответа (макс.)2.43sВремя ответа (суммарно)2.43sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)12.20sВремя ответа (макс.)21.22sВремя ответа (суммарно)24.41sТест считается полностью пройденным, только если все его прогоны успешны.…
12.20sВремя ответа (среднее)…
828Общее число входных токенов…
72Выходные токены…
1,034Токены рассуждений…
Решение головоломок
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
7.7Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
66.7%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 1Время ответа (среднее)4.71sВремя ответа (макс.)4.75sВремя ответа (суммарно)9.41sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)12.50sВремя ответа (макс.)20.68sВремя ответа (суммарно)37.50sТест считается полностью пройденным, только если все его прогоны успешны.…
12.50sВремя ответа (среднее)…
885Общее число входных токенов…
445Выходные токены…
2,470Токены рассуждений…
Вызов инструментов
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
10.0Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)9.73sВремя ответа (макс.)9.73sВремя ответа (суммарно)9.73sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
100.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Нет проваленных ответов.Время ответа (среднее)55.56sВремя ответа (макс.)55.56sВремя ответа (суммарно)55.56sТест считается полностью пройденным, только если все его прогоны успешны.…
55.56sВремя ответа (среднее)…
9,315Общее число входных токенов…
296Выходные токены…
637Токены рассуждений…
Эрудиция
Оценка
Стабильность
Доля успешных попыток
Нестабильные тесты
Тестов верно
Время ответа (среднее)
Входные токены
Выходные токены
Токены рассуждений
Claude Opus 4.6Архивная модель: эта модель больше не обновляется и не тестируется на новых тестах.
3.0Средний балл по всем бенчмарк-тестам.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
0.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 1Время ответа (среднее)63.24sВремя ответа (макс.)63.24sВремя ответа (суммарно)63.24sТест считается полностью пройденным, только если все его прогоны успешны.…
10.0Оценка стабильности отражает устойчивость между прогонами (10 = очень стабильно, даже если стабильно неверно).…
0.0%Доля успешных попыток = успешные попытки / все попытки по всем прогонам.…
0Нестабильные тесты имели смешанные результаты между прогонами (как минимум один успех и один провал).…
Тест считается полностью пройденным, только если все его прогоны успешны.Неверный ответ: 1Время ответа (среднее)10.02sВремя ответа (макс.)10.02sВремя ответа (суммарно)10.02sТест считается полностью пройденным, только если все его прогоны успешны.…