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
145/145
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) |
|---|---|---|---|---|---|---|---|
| #42 | GLM 5.2 medium | Z.ai | 1 | 8.2 | $0.187 | 2/3 | 13.1s |
| #43 | GPT-5.6 Terra medium | OpenAI | 1 | 8.4 | $0.676 | 2/3 | 3.78s |
| #47 | Claude Opus 4.6 medium | Anthropic | 1 | 7.7 | $3.059 | 2/3 | 4.71s |
| #48 | GPT-5.6 Luna high | OpenAI | 1 | 7.6 | $1.017 | 2/3 | 14.6s |
| #50 | DeepSeek V4 Pro high | DeepSeek | 1 | 6.9 | $0.200 | 1/3 | 56.8s |
| #51 | MiniMax M3 medium | Minimax | 1 | 7.9 | $0.286 | 2/3 | 49.9s |
| #52 | Grok Build 0.1 medium | X AI | 1 | 7.7 | $1.097 | 2/3 | 18.3s |
| #54 | GPT-5.6 Luna medium | OpenAI | 1 | 7.8 | $0.352 | 2/3 | 4.04s |
| #56 | Kimi K2.7 Code medium | Moonshot AI | 1 | 5.9 | $0.740 | 1/3 | 41.0s |
| #68 | Gemini 3.1 Flash Lite Preview medium | 1 | 7.7 | $0.115 | 2/3 | 5.30s | |
| #69 | Gemini 3.1 Flash Lite medium | 1 | 7.6 | $0.117 | 2/3 | 1.95s | |
| #72 | Kimi K2.6 medium | Moonshot AI | 1 | 6.0 | $1.036 | 1/3 | 25.1s |
| #73 | KAT-Coder-Pro V2.5 high | Kwaipilot | 1 | 8.2 | $0.482 | 2/3 | 3.38s |
| #74 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 1 | 8.2 | $0.317 | 2/3 | 17.7s |
| #75 | Qwen3.7 Plus none | Qwen | 1 | 7.7 | $0.106 | 2/3 | 1.71s |