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) |
|---|---|---|---|---|---|---|---|
| #382 | Mercury 2 none | Inception | 3 | 0.3 | $0.033 | 0/3 | 535ms |
| #388 | Mercury 2.5 none | Inception | 3 | 0.4 | $0.026 | 0/3 | 515ms |
| #395 | Ling 3.0 Tiny default | Inclusionai | 3 | 0.3 | $0.000 | 0/3 | 2.64s |
| #397 | Nemotron 3.5 Lightning none | NVIDIA | 3 | 0.3 | $0.009 | 0/3 | 750ms |
| #415 | Grok 4.1 Fast default | X AI | 3 | 0.3 | $0.008 | 0/3 | 1.10s |
| #109 | Nemotron 3 Ultra medium | NVIDIA | 2 | 0.5 | $0.674 | 1/3 | 3.54s |
| #110 | GPT-5.4 Nano medium | OpenAI | 2 | 0.4 | $0.235 | 0/3 | 3.79s |
| #126 | Step 3.7 Flash medium | Stepfun | 2 | 0.6 | $0.571 | 1/3 | 6.19s |
| #138 | Muse Glimmer 30B medium | Meta | 2 | 0.6 | $0.288 | 1/3 | 64.7s |
| #146 | Mistral Large 4 high | Mistral | 2 | 0.5 | $1.391 | 1/3 | 55.2s |
| #154 | Inkling Small high | Thinkingmachines | 2 | 0.5 | $0.398 | 0/3 | 14.4s |
| #162 | LongCat 2.0 high | Meituan | 2 | 0.3 | $0.778 | 0/3 | 9.18s |
| #171 | LongCat 2.0 medium | Meituan | 2 | 0.5 | $0.767 | 1/3 | 8.84s |
| #173 | Step 3.7 Flash low | Stepfun | 2 | 0.6 | $0.449 | 1/3 | 1.84s |
| #217 | LongCat 2.0 low | Meituan | 2 | 0.3 | $0.630 | 0/3 | 8.15s |