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) |
|---|---|---|---|---|---|---|---|
| #294 | GPT-5.4 Mini none | OpenAI | 1 | 0.5 | $0.170 | 1/3 | 836ms |
| #297 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.5 | $0.000 | 1/3 | 8.71s |
| #298 | Gemma 4 31B none | 1 | 0.6 | $0.031 | 1/3 | 4.23s | |
| #300 | GPT-5.4 none | OpenAI | 1 | 0.6 | $0.690 | 1/3 | 1.44s |
| #303 | GLM 5 none | Z.ai | 1 | 0.8 | $0.140 | 2/3 | 1.91s |
| #308 | Ling 3.1 Flash none | Inclusionai | 1 | 0.8 | $0.000 | 2/3 | 3.31s |
| #309 | Gemini 2.5 Flash none | 1 | 0.8 | $0.017 | 2/3 | 604ms | |
| #311 | Gemma 4 26B A4B none | 1 | 0.6 | $0.031 | 1/3 | 744ms | |
| #312 | GLM 5V Turbo medium | Z.ai | 1 | 0.8 | $0.457 | 2/3 | 10.2s |
| #315 | Qwen3.8 27B none | Qwen | 1 | 0.6 | ~$0.010 | 1/3 | 1.25s |
| #319 | Step 3.5 Flash medium | Stepfun | 1 | 0.5 | $0.105 | 1/3 | 7.22s |
| #322 | GPT-5.6 Luna none | OpenAI | 1 | 0.5 | $0.042 | 1/3 | 790ms |
| #327 | Qwen3.6 35B A3B none | Qwen | 1 | 0.3 | $0.105 | 0/3 | 1.07s |
| #330 | Nemotron 3.5 Lightning high | NVIDIA | 1 | 0.4 | $0.168 | 0/3 | 6.09s |
| #333 | MiMo-V2-Flash medium | Xiaomi | 1 | 0.8 | $0.043 | 2/3 | 3.87s |