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: प्रतिसाद वेळ (सरासरी) ↑.
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) |
|---|---|---|---|---|---|---|---|
| #335 | Mistral Small 4 none | Mistral | 2 | 0.3 | $0.047 | 0/3 | 399ms |
| #425 | Decider V1.1 27B default | Perplexity | 1 | 0.2 | $0.002 | 0/1 | 422ms |
| #432 | Decider Flash V1.2 default | Perplexity | 1 | 1.0 | $0.001 | 0/1 | 424ms |
| #440 | Tev1 4B Experimental default | Togethercomputer | 1 | 0.2 | $0.002 | 0/1 | 432ms |
| #407 | Grok 4.20 none | X AI | 2 | 0.5 | $0.057 | 1/3 | 473ms |
| #388 | Mercury 2.5 none | Inception | 3 | 0.4 | $0.026 | 0/3 | 515ms |
| #422 | Nemotron 3 Nano Omni 30b A3b Reasoning default | NVIDIA | 1 | 0.3 | $0.000 | 0/3 | 532ms |
| #382 | Mercury 2 none | Inception | 3 | 0.3 | $0.033 | 0/3 | 535ms |
| #434 | D1 default | Liquid | 1 | 0.2 | $0.003 | 0/1 | 570ms |
| #431 | Clef Omni default | Cloudflare | 1 | 0.2 | $0.011 | 0/1 | 572ms |
| #402 | Grok 4.20 Beta default | X AI | 1 | 0.8 | $0.087 | 2/3 | 586ms |
| #309 | Gemini 2.5 Flash none | 1 | 0.8 | $0.017 | 2/3 | 604ms | |
| #396 | Granite 4.1 8b default | IBM Granite | 2 | 0.3 | $0.007 | 0/3 | 608ms |
| #353 | Qwen3.5-9B none | Qwen | 2 | 0.3 | $0.041 | 0/3 | 621ms |
| #428 | Kev 4B default | Jaredpalmer | 1 | 0.2 | $0.002 | 0/1 | 646ms |