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. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↓.
अयशस्वी होण्याची कारणे
265/265
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) |
|---|---|---|---|---|---|---|---|
| #337 | Granite 4.2 8B high | IBM Granite | 1 | 0.4 | $0.111 | 0/3 | 515.3s |
| #200 | LongCat 2.0 low | Meituan | 1 | 0.7 | $0.630 | 1/3 | 479.3s |
| #186 | Grok 4.7 xhigh | X AI | 1 | 0.5 | $3.398 | 1/3 | 414.5s |
| #190 | Grok 4.7 high | X AI | 1 | 0.6 | $3.037 | 1/3 | 335.9s |
| #291 | North Mini Code medium | Cohere | 3 | 0.4 | $0.000 | 0/3 | 320.4s |
| #144 | Grok 4.7 medium | X AI | 1 | 0.7 | $2.938 | 1/3 | 312.2s |
| #215 | Solar Pro 4 medium | Upstage | 1 | 0.5 | $0.098 | 1/3 | 310.4s |
| #274 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.4 | $0.000 | 0/3 | 309.1s |
| #185 | Solar Pro 4 xhigh | Upstage | 1 | 0.6 | $0.067 | 1/3 | 292.2s |
| #334 | Nemotron 3.5 Lightning medium | NVIDIA | 3 | 0.4 | $0.195 | 0/3 | 285.5s |
| #131 | Seed-2.0-Code high | Bytedance Seed | 1 | 0.6 | $1.448 | 1/3 | 266.7s |
| #189 | Solar Pro 4 low | Upstage | 1 | 0.5 | $0.101 | 1/3 | 259.6s |
| #77 | DeepSeek V4 Flash 0731 high | DeepSeek | 1 | 0.6 | $0.576 | 1/3 | 252.7s |
| #234 | DeepSeek V3.2 medium | DeepSeek | 1 | 0.6 | $0.152 | 1/3 | 248.7s |
| #269 | Trinity Large Thinking high | Arcee AI | 1 | 0.4 | $0.794 | 0/3 | 245.0s |