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
186/186
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) |
|---|---|---|---|---|---|---|---|
| #265 | Mercury 2.5 Preview none | Inception | 1 | 5.6 | $0.018 | 1/3 | 684ms |
| #267 | Nemotron 3 Super none | NVIDIA | 1 | 5.5 | $0.008 | 1/3 | 2.36s |
| #268 | Hy4 preview none | Tencent | 1 | 4.6 | $0.041 | 0/3 | 24.1s |
| #271 | GPT-5.4 Nano none | OpenAI | 1 | 5.4 | $0.041 | 1/3 | 1.25s |
| #272 | Trinity Large Thinking high | Arcee AI | 1 | 4.7 | $0.592 | 0/3 | 3.84s |
| #273 | Grok 4.20 Multi Agent Beta medium | X AI | 1 | 6.7 | $5.599 | 1/3 | 5.19s |
| #275 | GLM 4.7 Flash none | Z.ai | 1 | 6.4 | $0.016 | 1/3 | 1.20s |
| #277 | Hunter Alpha medium | OpenRouter | 1 | 6.1 | $0.000 | 1/3 | 5.35s |
| #278 | Grok 4.1 Fast medium | X AI | 1 | 5.3 | $0.069 | 1/3 | 7.40s |
| #279 | Laguna M.1 medium | Poolside | 1 | 5.3 | $0.033 | 1/3 | 10.2s |
| #284 | MiniMax M2.5 medium | Minimax | 1 | 5.3 | $0.327 | 1/3 | 11.2s |
| #286 | Grok 4.20 Beta none | X AI | 1 | 7.7 | $0.087 | 2/3 | 586ms |
| #290 | Elephant Alpha medium | Openrouter | 1 | 5.3 | $0.000 | 1/3 | 868ms |
| #291 | Granite 4.2 8B none | IBM Granite | 1 | 3.0 | $0.026 | 0/3 | 107.6s |
| #292 | Hunter Alpha none | OpenRouter | 1 | 5.8 | $0.000 | 1/3 | 3.71s |