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.
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) |
|---|---|---|---|---|---|---|---|
| #201 | Space Bunny Alpha max | Stealth | 1 | 0.8 | $0.000 | 2/3 | 9.15s |
| #204 | Grok Build 0.1 medium | X AI | 1 | 0.8 | $1.419 | 2/3 | 18.3s |
| #208 | MiniMax M3 medium | Minimax | 1 | 0.8 | $0.422 | 2/3 | 49.9s |
| #209 | Ember-1 max | Fireworks | 1 | 0.8 | $3.264 | 2/3 | 6.57s |
| #211 | GPT-5.6 Sol none | OpenAI | 1 | 0.8 | $0.795 | 2/3 | 1.49s |
| #212 | Apodex 1.1 Mini high | Apodex | 1 | 0.8 | $0.000 | 2/3 | 13.5s |
| #214 | GPT-5.5 none | OpenAI | 1 | 0.8 | $1.212 | 2/3 | 1.29s |
| #215 | GLM 5.2 none | Z.ai | 1 | 0.8 | $0.250 | 2/3 | 3.31s |
| #216 | Qwen3.7 Flash medium | Qwen | 1 | 0.7 | $0.076 | 1/3 | 8.30s |
| #218 | Mercury 2 medium | Inception | 1 | 0.5 | $0.121 | 1/3 | 949ms |
| #223 | Qwen3.6 35B A3B medium | Qwen | 1 | 0.8 | $0.834 | 2/3 | 5.95s |
| #225 | Mercury 2.5 high | Inception | 1 | 0.9 | $0.044 | 2/3 | 1.39s |
| #228 | GLM 5.1 none | Z.ai | 1 | 0.8 | $0.451 | 2/3 | 1.45s |
| #229 | KAT-Coder-Pro V2.5 high | Kwaipilot | 1 | 0.8 | $0.506 | 2/3 | 3.38s |
| #230 | Grok 4.3 medium | X AI | 1 | 0.6 | $0.989 | 1/3 | 22.5s |