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) |
|---|---|---|---|---|---|---|---|
| #400 | Ling 3.0 Tiny low | Inclusionai | 2 | 0.3 | $0.000 | 0/3 | 32.5s |
| #401 | Ling 3.0 Tiny medium | Inclusionai | 2 | 0.4 | $0.000 | 0/3 | 34.7s |
| #403 | Laguna M.1 default | Poolside | 2 | 0.3 | $0.009 | 0/3 | 891ms |
| #404 | Elephant Alpha default | Openrouter | 2 | 0.4 | $0.000 | 0/3 | 807ms |
| #407 | Grok 4.20 none | X AI | 2 | 0.5 | $0.057 | 1/3 | 473ms |
| #410 | Hy3 preview none | Tencent | 2 | 0.3 | $0.007 | 0/3 | 4.56s |
| #411 | MiMo-V2-Flash default | Xiaomi | 2 | 0.5 | $0.025 | 1/3 | 1.86s |
| #412 | Xing4.0 29b A4b none | Xingchen AGI | 2 | 0.3 | $0.000 | 0/3 | 16.8s |
| #420 | Nemotron 3 Nano Omni 30b A3b Reasoning medium | NVIDIA | 2 | 0.3 | $0.000 | 0/3 | 1.40s |
| #436 | LFM2-24B-A2B default | Liquid | 2 | 0.4 | $0.001 | 0/3 | 1.78s |
| #13 | GPT-5.6 Sol low | OpenAI | 1 | 0.8 | $1.244 | 2/3 | 3.44s |
| #20 | GPT-5.6 Sol medium | OpenAI | 1 | 0.8 | $1.700 | 2/3 | 2.98s |
| #40 | Muse Wonder low | Meta | 1 | 0.6 | $2.637 | 1/3 | 5.08s |
| #41 | Pareto default | Unbiased | 1 | 0.8 | $1.520 | 2/3 | 18.2s |
| #58 | Pareto 26.9 default | Unbiased | 1 | 0.8 | $1.864 | 2/3 | 8.40s |