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) |
|---|---|---|---|---|---|---|---|
| #226 | Inkling Small none | Thinkingmachines | 3 | 3.6 | $0.054 | 0/3 | 759ms |
| #227 | Laguna XS 2.1 none | Poolside | 3 | 4.3 | $0.008 | 0/3 | 623ms |
| #228 | Seed-2.0-Code none | Bytedance Seed | 3 | 3.6 | $0.151 | 0/3 | 13.4s |
| #233 | Inkling none | Thinkingmachines | 3 | 4.5 | $0.142 | 0/3 | 1.01s |
| #234 | Nemotron 3.5 Lightning medium | NVIDIA | 3 | 4.4 | $0.156 | 0/3 | 285.5s |
| #235 | Mistral Small 4 none | Mistral | 3 | 3.7 | $0.022 | 0/3 | 901ms |
| #236 | Mistral Small 4 medium | Mistral | 3 | 4.4 | $0.097 | 0/3 | 40.0s |
| #237 | Qwen3 Coder Next none | Qwen | 3 | 4.6 | $0.026 | 0/3 | 2.22s |
| #239 | Qwen3.5-9B none | Qwen | 3 | 3.9 | $0.021 | 0/3 | 5.60s |
| #240 | GLM 5 Turbo none | Z.ai | 3 | 3.9 | $0.047 | 0/3 | 2.41s |
| #241 | North Mini Code none | Cohere | 3 | 3.9 | $0.000 | 0/3 | 22.0s |
| #243 | Laguna S 2.1 low | Poolside | 3 | 3.8 | $0.082 | 0/3 | 167.5s |
| #245 | GPT-4o-mini none | OpenAI | 3 | 3.2 | $0.010 | 0/3 | 1.63s |
| #248 | Nemotron 3 Super none | NVIDIA | 3 | 3.3 | $0.008 | 0/3 | 2.64s |
| #250 | Nemotron 3.5 Lightning low | NVIDIA | 3 | 4.0 | $0.140 | 0/3 | 224.4s |