AI BENCHY カテゴリ別失敗
コーディング: 不正解
コーディング
不正解
コーディング で 不正解 が起きやすいAIモデルを確認し、弱点を早く見つけられます。
134/134
モデルを絞り込む
現在の検索条件とフィルターに一致するモデルはありません。
| 順位 | モデル | 企業 | 不正解 件数 | カテゴリスコア | 合計コスト | 正解テスト | 応答時間（平均） |
|---|---|---|---|---|---|---|---|
| #58 | GPT-5.3 Chat none | OpenAI | 2 | 5.6 | $0.433 | 1/3 | 10.5s |
| #59 | GPT-5.4 Nano medium | OpenAI | 2 | 6.1 | $0.107 | 1/3 | 19.1s |
| #65 | Gemini 3 Flash Preview low | 2 | 5.8 | $0.111 | 1/3 | 6.00s | |
| #66 | Grok 4.20 medium | X AI | 2 | 6.3 | $0.609 | 1/3 | 109.9s |
| #69 | GLM 5V Turbo medium | Z.ai | 2 | 6.0 | $0.457 | 1/3 | 63.4s |
| #73 | Qwen3.7 Plus none | Qwen | 2 | 5.5 | $0.023 | 1/3 | 2.15s |
| #74 | GLM 5.2 none | Z.ai | 2 | 3.7 | $0.042 | 0/3 | 7.55s |
| #78 | Laguna XS 2.1 medium | Poolside | 2 | 5.5 | $0.036 | 1/3 | 70.3s |
| #81 | Gemini 3 Flash Preview none | 2 | 5.5 | $0.025 | 1/3 | 1.80s | |
| #82 | Qwen3.7 Max none | Qwen | 2 | 5.5 | $0.054 | 1/3 | 1.35s |
| #84 | Qwen3.5-Flash medium | Qwen | 2 | 3.7 | $0.080 | 0/3 | 58.9s |
| #90 | MiMo-V2.5 medium | Xiaomi | 2 | 6.2 | $0.061 | 1/3 | 97.1s |
| #92 | gpt-oss-120b medium | OpenAI | 2 | 5.9 | $0.013 | 1/3 | 38.4s |
| #93 | GPT-5 Nano medium | OpenAI | 2 | 7.0 | $0.081 | 1/3 | 41.6s |
| #96 | Gemini 3.1 Flash Lite Preview low | 2 | 5.5 | $0.026 | 1/3 | 1.39s |