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) |
|---|---|---|---|---|---|---|---|
| #101 | GLM 5.2 none | Z.ai | 1 | 7.7 | $0.128 | 2/3 | 3.31s |
| #104 | Gemini 3.5 Flash-Lite medium | 1 | 8.4 | $0.369 | 2/3 | 1.70s | |
| #105 | Qwen3.6 27B medium | Qwen | 1 | 7.7 | $0.779 | 2/3 | 61.1s |
| #109 | Qwen3.5-27B none | Qwen | 1 | 6.7 | $0.090 | 1/3 | 1.38s |
| #113 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 7.7 | $0.073 | 2/3 | 2.71s |
| #114 | Ring-2.6-1T medium | Inclusionai | 1 | 5.9 | $0.103 | 1/3 | 20.7s |
| #118 | Claude Sonnet 5 none | Anthropic | 1 | 6.0 | $0.548 | 1/3 | 3.22s |
| #119 | MiMo-V2-Flash medium | Xiaomi | 1 | 7.7 | $0.043 | 2/3 | 3.87s |
| #121 | Gemma 4 31B none | 1 | 6.5 | $0.021 | 1/3 | 4.23s | |
| #123 | GPT-5.6 Luna low | OpenAI | 1 | 7.6 | $0.249 | 2/3 | 3.59s |
| #124 | Gemini 2.5 Flash none | 1 | 7.7 | $0.017 | 2/3 | 604ms | |
| #127 | gpt-oss-120b medium | OpenAI | 1 | 5.3 | $0.019 | 1/3 | 21.7s |
| #128 | Gemini 3.1 Flash Lite none | 1 | 6.3 | $0.046 | 1/3 | 720ms | |
| #129 | Inkling low | Thinkingmachines | 1 | 6.4 | $0.187 | 1/3 | 2.97s |
| #134 | GPT-5 Nano medium | OpenAI | 1 | 5.3 | $0.114 | 1/3 | 20.6s |