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) |
|---|---|---|---|---|---|---|---|
| #288 | GPT-5.6 Terra none | OpenAI | 2 | 0.5 | $0.377 | 1/3 | 1.23s |
| #289 | DeepSeek V4.1 Flash none | DeepSeek | 2 | 0.5 | $0.391 | 1/3 | 1.49s |
| #301 | Solar Pro 4 none | Upstage | 2 | 0.5 | $0.022 | 1/3 | 2.33s |
| #304 | Qwen3.5-35B-A3B none | Qwen | 2 | 0.4 | $0.120 | 0/3 | 1.35s |
| #305 | Nemotron 3.5 Super VL none | NVIDIA | 2 | 0.5 | $0.040 | 0/3 | 754ms |
| #306 | Nemotron 3 Super medium | NVIDIA | 2 | 0.3 | $0.081 | 0/3 | 3.15s |
| #307 | Kimi K2.6 none | Moonshot AI | 2 | 0.3 | $0.486 | 0/3 | 1.40s |
| #310 | GPT-6 Luna none | OpenAI | 2 | 0.5 | $0.026 | 1/3 | 26.0s |
| #317 | Hy4 preview low | Tencent | 2 | 0.5 | $1.844 | 0/3 | 238.0s |
| #323 | Granite 4.2 8B low | IBM Granite | 2 | 0.3 | $0.036 | 0/3 | 90.8s |
| #328 | Inkling Small low | Thinkingmachines | 2 | 0.5 | $0.055 | 1/3 | 1.56s |
| #329 | Ling 3.0 Flash none | Inclusionai | 2 | 0.5 | $0.004 | 1/3 | 1.49s |
| #334 | Mistral Small 4 medium | Mistral | 2 | 0.3 | $0.126 | 0/3 | 2.17s |
| #335 | Mistral Small 4 none | Mistral | 2 | 0.3 | $0.047 | 0/3 | 399ms |
| #336 | Mercury 2.5 low | Inception | 2 | 0.6 | $0.020 | 1/3 | 792ms |