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
314/314
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) |
|---|---|---|---|---|---|---|---|
| #486 | Granite 4.1 8b default | IBM Granite | 1 | 0.4 | $0.007 | 0/3 | 775ms |
| #488 | Xing4.0 29b A4b medium | Xingchen AGI | 1 | 0.4 | $0.000 | 0/3 | 798.0s |
| #492 | Grok 4.20 Beta default | X AI | 1 | 0.2 | $0.087 | 0/1 | 1.14s |
| #493 | Laguna M.1 default | Poolside | 1 | 0.2 | $0.009 | 0/1 | 2.93s |
| #494 | Elephant Alpha default | Openrouter | 1 | 0.4 | $0.000 | 0/3 | 1.39s |
| #495 | Elephant Alpha medium | Openrouter | 1 | 0.4 | $0.000 | 0/3 | 1.30s |
| #497 | Grok 4.20 none | X AI | 1 | 0.1 | $0.057 | 0/1 | 1.22s |
| #499 | Laguna Xs.2 medium | Poolside | 1 | 0.2 | $0.015 | 0/1 | 14.4s |
| #500 | Hy3 preview none | Tencent | 1 | 0.3 | $0.007 | 0/3 | 4.56s |
| #504 | HeyGen Decision Turbo default | Heygen | 1 | 0.5 | $0.008 | 1/2 | 1.43s |
| #506 | HeyGen Decision default | Heygen | 1 | 0.5 | $0.029 | 1/2 | 1.58s |
| #508 | Grok 4.1 Fast default | X AI | 1 | 0.2 | $0.008 | 0/1 | 1.79s |
| #509 | Laguna Xs.2 default | Poolside | 1 | 0.8 | $0.004 | 0/1 | 1.96s |
| #510 | d1.2-ultra default | Liquid | 1 | 0.5 | $0.002 | 1/2 | 625ms |
| #513 | Gemini Decision 1 default | 1 | 0.5 | $0.006 | 1/2 | 558ms |