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) |
|---|---|---|---|---|---|---|---|
| #219 | Step 3.7 Flash high | Stepfun | 2 | 0.5 | $1.478 | 1/3 | 10.2s |
| #221 | KAT-Coder-Pro V2.5 low | Kwaipilot | 2 | 0.6 | $0.568 | 1/3 | 3.11s |
| #226 | Beam 1.0 501B A23B xhigh | Reflection | 2 | 0.6 | $0.688 | 1/3 | 4.46s |
| #231 | Laguna XS 2.1 medium | Poolside | 2 | 0.5 | $0.083 | 1/3 | 3.43s |
| #232 | Qwen3.5-122B-A10B none | Qwen | 2 | 0.4 | $0.308 | 0/3 | 1.00s |
| #238 | Beam 1.0 501B A23B low | Reflection | 2 | 0.6 | $0.432 | 1/3 | 3.42s |
| #242 | Dots 3 Note Preview high | Dots Studio | 2 | 0.6 | $0.000 | 1/3 | 12.7s |
| #244 | LongCat 2.0 none | Meituan | 2 | 0.4 | $0.104 | 0/3 | 2.74s |
| #260 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 2 | 0.6 | $0.669 | 1/3 | 3.20s |
| #262 | DeepSeek V4 Flash 0731 none | DeepSeek | 2 | 0.3 | $0.053 | 0/3 | 2.74s |
| #270 | Qwen3.5 Plus 2026-04-20 none | Qwen | 2 | 0.7 | $0.216 | 1/3 | 1.97s |
| #279 | Seed-2.0-Lite none | Bytedance Seed | 2 | 0.5 | $0.114 | 1/3 | 2.78s |
| #283 | Qwen3.6 Flash none | Qwen | 2 | 0.4 | $0.139 | 0/3 | 1.21s |
| #286 | Qwen3.7 Flash none | Qwen | 2 | 0.4 | $0.028 | 0/3 | 1.39s |
| #287 | Qwen3.8 Flash Next none | Qwen | 2 | 0.6 | ~$0.011 | 1/3 | 1.30s |