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
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) |
|---|---|---|---|---|---|---|---|
| #118 | GPT-6 Luna high | OpenAI | 1 | 0.8 | $0.074 | 2/3 | 24.7s |
| #119 | Muse Glimmer 30B high | Meta | 1 | 0.9 | $0.506 | 2/3 | 96.0s |
| #123 | Muse Glimmer 30B medium | Meta | 1 | 0.8 | $0.288 | 2/3 | 33.7s |
| #128 | GLM 5.1 medium | Z.ai | 1 | 0.5 | $1.546 | 0/3 | 109.6s |
| #129 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 0.6 | $0.140 | 1/3 | 220.5s |
| #131 | Seed-2.0-Code high | Bytedance Seed | 1 | 0.6 | $1.448 | 1/3 | 266.7s |
| #134 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 0.7 | $0.306 | 1/3 | 163.3s |
| #135 | Seed-2.0-Code medium | Bytedance Seed | 1 | 0.9 | $1.275 | 2/3 | 89.9s |
| #136 | GLM 5.3 FlashX high | Z.ai | 1 | 0.8 | $0.210 | 2/3 | 8.06s |
| #137 | Grok 4.7 low | X AI | 1 | 0.8 | $1.933 | 2/3 | 189.1s |
| #139 | DeepSeek V4 Pro 0423 none | DeepSeek | 1 | 0.6 | $0.083 | 1/3 | 13.4s |
| #140 | Inkling medium | Thinkingmachines | 1 | 0.8 | $0.527 | 2/3 | 25.2s |
| #142 | GLM 5.3 Flash high | Z.ai | 1 | 0.8 | $0.056 | 2/3 | 19.6s |
| #144 | Grok 4.7 medium | X AI | 1 | 0.7 | $2.938 | 1/3 | 312.2s |
| #145 | Gemini 2.5 Flash medium | 1 | 0.8 | $0.680 | 2/3 | 41.0s |