📡 Rapports en ligne
Lecture live du moniteur BenchVibe. Le signal de suivi du prompt permet de distinguer une vraie tentative d’un résultat hors sujet ou vide.
Dernière actualisation : 2026-05-19 18:29:07
| Benchmark | État | Santé | Progression | Suivi du prompt | Score prompt | En cours | Prochain |
|---|---|---|---|---|---|---|---|
|
dinosaure_v2
dinosaure_tests_v2_3pages
|
En cours | OK |
46 / 48
95,8% · réussite 21,7%
|
Suivi du prompt
10 suivis · 2 partiels · 0 hors sujet · 36 sans sortie
|
21,1/100 | OpenCode Qwen3.6 Plus | OpenCode Qwen3.6 Plus |
|
fsacb
fsacb
|
En pause | OK |
46 / 48
95,8% · réussite 32,6%
|
Suivi du prompt
15 suivis · 1 partiels · 0 hors sujet · 32 sans sortie
|
31,5/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
traduction
traduction
|
En pause | OK |
46 / 48
95,8% · réussite 0,0%
|
Aucune sortie
0 suivis · 0 partiels · 0 hors sujet · 48 sans sortie
|
0,0/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
todo_list
to-do-list_v1
|
En pause | OK |
46 / 48
95,8% · réussite 2,2%
|
Suivi du prompt
1 suivis · 10 partiels · 0 hors sujet · 37 sans sortie
|
14,3/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
|
page_libre
page_libre
|
En pause | OK |
46 / 48
95,8% · réussite 37,0%
|
Suivi du prompt
15 suivis · 2 partiels · 0 hors sujet · 31 sans sortie
|
31,6/100 | — | OpenRouter DeepSeek: DeepSeek V4 Flash |
Résumé global: 230 traités sur 240 modèles · 41 suivis · 15 tentatives réelles · 184 sans sortie
🦖 ডাইনোসর টেস্ট v1 & v2
সম্পূর্ণ বেঞ্চমার্ক: ৫৮টি AI মডেল, গভীর সক্ষমতা মূল্যায়নসহ
🎯 অ্যাডভান্সড বেঞ্চমার্ক
AI সক্ষমতা মূল্যায়নের জন্য গভীর ও বিশেষায়িত টেস্ট
📱 ব্যবহারিক অ্যাপস
ব্যবহারিক টেস্ট ও ফাংশনাল মূল্যায়নের জন্য AI-জেনারেটেড অ্যাপস
🔬 বৈজ্ঞানিক পদ্ধতি
AI মডেল মূল্যায়নে আমাদের কঠোর পদ্ধতি
স্ট্যান্ডার্ডাইজড টেস্ট প্রোটোকল
প্রতিটি মডেল কঠোর ও পুনরুত্পাদনযোগ্য মেথডোলজিতে মূল্যায়িত হয়
📝 কোড জেনারেশন
জেনারেটেড কোডের স্ট্যাটিক বিশ্লেষণ, ইউনিট টেস্ট এবং অ্যালগরিদমিক জটিলতা মূল্যায়ন
🎯 সেমান্টিক নির্ভুলতা
প্রশ্ন ও প্রসঙ্গ অনুযায়ী উত্তরের প্রাসঙ্গিকতা মূল্যায়ন
⚡ সময়গত পারফরম্যান্স
রেসপন্স টাইম, লেটেন্সি এবং সমসাময়িক লোড সামলানোর সক্ষমতা পরিমাপ
🔄 প্রসঙ্গগত সামঞ্জস্য
দীর্ঘ কথোপকথন ও জটিল ইন্টারঅ্যাকশনে প্রসঙ্গ ধরে রাখার সক্ষমতা