AI BENCHY श्रेणी अपयशे
कोडिंग: API त्रुटी
कोडिंग
API त्रुटी
कोडिंग मध्ये कोणत्या AI मॉडेल्सना API त्रुटी येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: बरोबर चाचण्या ↓.
अयशस्वी होण्याची कारणे
28/28
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | API त्रुटी संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #33 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 6.6 | $0.310 | 1/3 | 180.7s |
| #36 | Qwen3.6 Plus medium | Qwen | 1 | 6.1 | $0.294 | 1/3 | 153.1s |
| #52 | DeepSeek V4 Pro high | DeepSeek | 1 | 6.1 | $0.157 | 1/3 | 243.0s |
| #63 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 6.2 | $0.106 | 1/3 | 92.1s |
| #66 | Hy3 preview medium | Tencent | 2 | 5.3 | $0.018 | 1/3 | 31.4s |
| #85 | Ring-2.6-1T medium | Inclusionai | 2 | 5.3 | $0.033 | 1/3 | 59.6s |
| #87 | Hy3 preview high | Tencent | 2 | 5.3 | $0.048 | 1/3 | 99.8s |
| #90 | Mimo V2 PRO medium | Xiaomi | 1 | 6.0 | $0.333 | 1/3 | 94.2s |
| #99 | Hy3 preview low | Tencent | 2 | 5.3 | $0.015 | 1/3 | 27.9s |
| #124 | Owl Alpha medium | Openrouter | 1 | 5.4 | $0.000 | 1/3 | 18.7s |
| #125 | Mimo V2 PRO none | Xiaomi | 1 | 5.5 | $0.045 | 1/3 | 2.65s |
| #146 | MiniMax M2.7 medium | Minimax | 1 | 5.7 | $0.100 | 1/3 | 101.9s |
| #162 | Ling-2.6-flash none | Inclusionai | 2 | 5.3 | $0.001 | 1/3 | 11.2s |
| #163 | Ring-2.6-1T none | Inclusionai | 2 | 5.3 | $0.026 | 1/3 | 143.8s |
| #86 | Mimo V2 Omni medium | Xiaomi | 1 | 3.3 | $0.683 | 0/3 | 183.9s |