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: बरोबर चाचण्या ↓.
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 |
| #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 |
| #67 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.8 | $0.586 | 2/3 | 92.2s |
| #78 | Claude Sonnet 5 medium | Anthropic | 1 | 0.8 | $1.438 | 2/3 | 2.98s |
| #90 | GPT-5.6 Terra high | OpenAI | 1 | 0.8 | $0.698 | 2/3 | 5.45s |
| #100 | GLM 5.2 medium | Z.ai | 1 | 0.8 | $1.007 | 2/3 | 13.1s |
| #101 | GPT-5.6 Terra medium | OpenAI | 1 | 0.8 | $0.483 | 2/3 | 3.78s |
| #107 | DeepSeek V4.1 Flash low | DeepSeek | 1 | 0.8 | $0.494 | 2/3 | 9.39s |
| #108 | GPT-5.6 Luna high | OpenAI | 1 | 0.8 | $0.118 | 2/3 | 14.6s |
| #119 | Gemini 3.5 Flash medium | 1 | 0.8 | $1.316 | 2/3 | 2.38s | |
| #121 | MiMo-V2.6-Flash medium | Xiaomi | 1 | 0.8 | $0.218 | 2/3 | 52.9s |
| #125 | GLM 5.3 high | Z.ai | 1 | 0.8 | $0.495 | 2/3 | 4.74s |
| #128 | Qwen3.7 Plus none | Qwen | 1 | 0.8 | $0.178 | 2/3 | 1.71s |