कोडी सोडवणे: चुकीचे उत्तर
कोडी सोडवणे
चुकीचे उत्तर
कोडी सोडवणे मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: अपयशांची संख्या ↑.
अयशस्वी होण्याची कारणे
239/239
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) |
|---|---|---|---|---|---|---|---|
| #13 | GPT-5.6 Sol low | OpenAI | 1 | 0.8 | $1.244 | 2/3 | 3.44s |
| #20 | GPT-5.6 Sol medium | OpenAI | 1 | 0.8 | $1.700 | 2/3 | 2.98s |
| #40 | Muse Wonder low | Meta | 1 | 0.6 | $2.637 | 1/3 | 5.08s |
| #41 | Pareto default | Unbiased | 1 | 0.8 | $1.520 | 2/3 | 18.2s |
| #58 | Pareto 26.9 default | Unbiased | 1 | 0.8 | $1.864 | 2/3 | 8.40s |
| #62 | DeepSeek V4.1 Flash high | DeepSeek | 1 | 0.6 | $0.617 | 1/3 | 14.3s |
| #67 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.8 | $0.586 | 2/3 | 92.2s |
| #70 | DeepSeek V4.1 Flash max | DeepSeek | 1 | 0.6 | $1.204 | 1/3 | 30.8s |
| #78 | Claude Sonnet 5 medium | Anthropic | 1 | 0.8 | $1.438 | 2/3 | 2.98s |
| #83 | GPT-5 Mini medium | OpenAI | 1 | 0.6 | $0.315 | 1/3 | 15.2s |
| #86 | Inkling high | Thinkingmachines | 1 | 0.7 | $1.238 | 1/3 | 10.7s |
| #89 | GLM 5.2 high | Z.ai | 1 | 0.6 | $4.632 | 1/3 | 33.7s |
| #90 | GPT-5.6 Terra high | OpenAI | 1 | 0.8 | $0.698 | 2/3 | 5.45s |
| #91 | Claude Haiku 5.5 high | Anthropic | 1 | 0.6 | $0.088 | 1/3 | 3.28s |
| #100 | GLM 5.2 medium | Z.ai | 1 | 0.8 | $1.007 | 2/3 | 13.1s |