कोडिंग: चुकीचे उत्तर
कोडिंग
चुकीचे उत्तर
कोडिंग मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.
अयशस्वी होण्याची कारणे
197/197
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | चुकीचे उत्तर संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #128 | Qwen3.6 Flash medium | Qwen | 3 | 5.0 | $0.741 | 0/3 | 42.9s |
| #145 | Gemini 3.5 Flash Lite low | 3 | 4.3 | $0.138 | 0/3 | 917ms | |
| #151 | Qwen3.5 Plus 2026-02-15 none | Qwen | 3 | 4.3 | $0.073 | 0/3 | 2.05s |
| #156 | Qwen3.6 Max Preview none | Qwen | 3 | 3.8 | $0.228 | 0/3 | 3.12s |
| #168 | Claude Sonnet 5 none | Anthropic | 3 | 4.6 | $0.548 | 0/3 | 3.67s |
| #175 | Inkling low | Thinkingmachines | 3 | 5.1 | $0.181 | 0/3 | 8.71s |
| #194 | Seed 2.1 Turbo none | Bytedance Seed | 3 | 4.5 | $0.092 | 0/3 | 2.35s |
| #197 | North Mini Code medium | Cohere | 3 | 4.5 | $0.000 | 0/3 | 320.4s |
| #199 | GLM 5 none | Z.ai | 3 | 4.0 | $0.027 | 0/3 | 5.12s |
| #200 | Inkling Small low | Thinkingmachines | 3 | 4.6 | $0.055 | 0/3 | 3.70s |
| #202 | GLM 5.1 none | Z.ai | 3 | 3.9 | $0.164 | 0/3 | 4.96s |
| #204 | Qwen3.5-122B-A10B none | Qwen | 3 | 3.7 | $0.247 | 0/3 | 2.77s |
| #218 | DeepSeek V4 Flash 0423 none | DeepSeek | 3 | 4.2 | $0.040 | 0/3 | 17.1s |
| #221 | GPT-5.6 Luna none | OpenAI | 3 | 3.8 | $0.029 | 0/3 | 980ms |
| #224 | DeepSeek V4 Flash 0731 none | DeepSeek | 3 | 4.3 | $0.021 | 0/3 | 1.72s |