कोडिंग: उत्तर नाही
कोडिंग
उत्तर नाही
कोडिंग मध्ये कोणत्या AI मॉडेल्सना उत्तर नाही येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.
अयशस्वी होण्याची कारणे
31/31
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | उत्तर नाही संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #103 | DeepSeek V4 Flash 0731 medium | DeepSeek | 2 | 6.4 | $0.106 | 1/3 | 198.8s |
| #129 | Step 3.7 Flash high | Stepfun | 2 | 4.0 | $1.229 | 0/3 | 206.2s |
| #137 | Gemma 4 26B A4B medium | 2 | 2.9 | $0.092 | 0/3 | 272.5s | |
| #157 | Dots 3 Note Preview low | Dots Studio | 2 | 5.9 | $0.000 | 1/3 | 287.6s |
| #158 | Dots 3 Note Preview high | Dots Studio | 2 | 5.8 | $0.000 | 1/3 | 306.2s |
| #279 | Ling 3.0 Tiny high | Inclusionai | 2 | 2.9 | $0.000 | 0/3 | 177.7s |
| #280 | Ling 3.0 Tiny low | Inclusionai | 2 | 2.9 | $0.000 | 0/3 | 170.7s |
| #283 | Ling 3.0 Tiny medium | Inclusionai | 2 | 2.9 | $0.000 | 0/3 | 212.0s |
| #43 | Seed 2.1 Turbo medium | Bytedance Seed | 1 | 8.2 | $1.951 | 2/3 | 354.9s |
| #48 | Qwen3.8 2.4T A95B low | Qwen | 1 | 7.8 | $2.672 | 2/3 | 172.5s |
| #53 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 7.3 | $0.072 | 1/3 | 163.3s |
| #61 | Qwen3.8 27B low | Qwen | 1 | 7.7 | ~$0.071 | 2/3 | 140.9s |
| #77 | GLM 5 Turbo medium | Z.ai | 1 | 8.2 | $0.323 | 2/3 | 45.9s |
| #95 | Qwen3.8 2.4T A95B high | Qwen | 1 | 5.9 | $2.357 | 1/3 | 160.5s |
| #105 | Kimi K2.6 medium | Moonshot AI | 1 | 5.7 | $1.235 | 1/3 | 214.4s |