بینچ مارکس

وہی نتیجہ، 24.1 گنا تک کم ٹوکنز۔

Delta MCP کے ساتھ کئی قدموں والے کاموں پر کہیں کم ٹوکنز لگتے ہیں، لاگت کم آتی ہے اور کام اتنی ہی تیزی سے یا زیادہ تیزی سے ہوتا ہے، آخری نتیجہ وہی رہتا ہے، جسے خود سروس میں جانچا گیا۔ 8 منظرنامے، ہر ایک Delta MCP کے ساتھ اور اس کے بغیر، Sonnet 5.5 کے ساتھ Claude Code میں۔

آخری رن: 5 اکتوبر، 2026GitHub پر Delta MCP

3.3–24.1×

کم بل شدہ ٹوکنز، کئی قدموں والے کاموں پر

1.4–8.1×

کئی قدموں والے کاموں پر کم لاگت، کیش کی سب سے سخت صورت میں بھی

تک ‎4.4×‎

کئی قدموں والے کاموں پر زیادہ تیز، اور کوئی منظرنامہ سست نہیں

152 / 152

ٹولز جو Delta MCP کے ذریعے اب بھی ڈیکلیئر ہیں اور کال کیے جا سکتے ہیں

ایک ہی کام کے لیے بل شدہ ٹوکنز براہِ راست MCP کالزDelta MCP کے ذریعے

ریلیز ٹھیک کرنا، متن کی شکل میں152 ٹولز والا Cerberus

24.1 گنا کم
ٹیسٹ شامل کرنا، متن کی شکل میں152 ٹولز والا Cerberus

15.8 گنا کم
ریلیز ٹھیک کرنا، کوڈ کی شکل میں152 ٹولز والا Cerberus

13.4 گنا کم
20 تاخیر شدہ ٹکٹس نمٹاناایک ٹکٹ مینیجر

4.8 گنا کم
لاگ اِن، 3 رابطے شامل کرنا، ان کی فہرست بناناMicrosoft Playwright MCP

3.9 گنا کم
کاموں کی فہرست میں 6 تبدیلیاں کرناtaskqueue-mcp

3.3 گنا کم
دستاویزات کے بارے میں ایک سوالContext7

1.2 گنا کم
ایک قدم کا سوالbooks.toscrape.com پر Playwright

1.25 گنا زیادہ

تمام منظرنامے، ہر عدد

ریلیز کی ایک اصلاح سے، جو Delta MCP کے بغیر 26 ماڈل کالز لیتی ہے، ایک اکیلے سوال تک۔ ہر طریقے کے 2 سے 3 رنز کا اوسط، اور ہر منظرنامے میں آخری نتیجہ وہی۔ وزن شدہ لاگت وہ لاگت ہے جو Claude Code ہر ماڈل کے لیے بتاتا ہے، ان پٹ ٹوکنز کے برابر اکائیوں میں، کیش کی سب سے سخت صورت میں۔ کوڈ کی شکل ہر سرور کے لیے ڈیفالٹ ہے؛ متن کی شکل Cerberus کا ایک اڈاپٹر استعمال کرتی ہے۔

کام	سرور	ٹوکنز	وزن شدہ لاگت	ماڈل کالز	وقت	تاریخِ پیمائش
ریلیز ٹھیک کرنا، متن کی شکل میں	152 ٹولز والا Cerberus	24.1 گنا کم	8.1 گنا کم	26 ← 4.5	1.2 گنا تیز	2 اکتوبر
ٹیسٹ شامل کرنا، متن کی شکل میں	152 ٹولز والا Cerberus	15.8 گنا کم	5.8 گنا کم	16.6 ← 4	2.0 گنا تیز	2 اکتوبر
ریلیز ٹھیک کرنا، کوڈ کی شکل میں	152 ٹولز والا Cerberus	13.4 گنا کم	6.1 گنا کم	26 ← 6.5	اتنا ہی تیز	5 اکتوبر*
20 تاخیر شدہ ٹکٹس نمٹانا	ایک ٹکٹ مینیجر	4.8 گنا کم	4.0 گنا کم	5 ← 2	4.4 گنا تیز	2 اکتوبر
لاگ اِن، 3 رابطے شامل کرنا، ان کی فہرست بنانا	Microsoft Playwright MCP	3.9 گنا کم	1.8 گنا کم	12.6 ← 4	2.1 گنا تیز	2 اکتوبر
کاموں کی فہرست میں 6 تبدیلیاں کرنا	taskqueue-mcp	3.3 گنا کم	1.5 گنا کم	5.6 ← 2	2.1 گنا تیز	2 اکتوبر
دستاویزات کے بارے میں ایک سوال	Context7	1.2 گنا کم	1.11 گنا زیادہ	4 ← 3	اتنا ہی تیز	5 اکتوبر
ایک قدم کا سوال	books.toscrape.com پر Playwright	1.25 گنا زیادہ	2.5 گنا زیادہ	4 ← 3	1.1 گنا تیز	5 اکتوبر

* Delta MCP کی پیمائش 5 اکتوبر کو ہوئی، براہِ راست کالز کی 2 اکتوبر کو۔

یہ نتائج برقرار رہتے ہیں

‎3.7–4.1×‎

ان کاموں پر بھی برقرار جو اس نے کبھی نہیں دیکھے

ٹیوننگ کے بعد لکھے گئے مشنز، جو اسے ٹیون کرنے میں کبھی استعمال نہیں ہوئے، پر 3.7 سے 4.1 گنا کم ٹوکنز لگے۔

26 / 27

وہی معیار، ہر رن کو جانچ کر

آخری مرحلے میں 27 میں سے 26 رنز بے عیب رہے، اور 27ویں میں کچھ غلط نہیں تھا۔ تمام 103 رنز ایک ایک کر کے پڑھے گئے: درست متن، کسی فیلڈ سے غلطی سے چھیڑ چھاڑ نہیں ہوئی، صارف کو درست جواب ملا۔ اس آڈٹ میں دو ایسی خامیاں بھی پکڑی گئیں جو خودکار جانچ سے چھوٹ گئی تھیں، اور اب ٹھیک ہیں۔

ہم کیسے ناپتے ہیں

اس صفحے کے ہر عدد کے لیے ایک ہی طریقہ، اور ہر عدد اپنے خام رنز تک پہنچایا جا سکتا ہے۔

بل شدہ ٹوکنز، سوچنے پر خرچ ہونے والے ٹوکنز سمیت، جیسے فراہم کنندہ انہیں گنتا ہے۔
کوئی رن صرف تب شمار ہوتا ہے جب اسے واقعی مطلوبہ ماڈل نے چلایا ہو۔
ماڈل کالز ماڈل کے الگ الگ پیغامات ہیں، ٹول کالز نہیں۔
کامیابی کا مطلب ہے سروس میں جانچی گئی آخری حالت، اور صارف کو دیا گیا جواب۔
لاگت کیش کی سب سے سخت صورت میں؛ ہر فائدہ نیچے کی طرف گول کیا گیا۔
ہر شائع شدہ عدد کا دعووں کے رجسٹر میں اندراج ہے، اور اس کا خام رنز سے دوبارہ حساب لگایا جاتا ہے۔