कोडिंग मॉडेल क्रमवारी | AI BENCHY

AI BENCHY श्रेणी

कोडिंग मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: मेट्रिक ↑.

दाखवलेली मॉडेल्स

15

सरासरी कोडिंग स्कोअर

6.1

सर्वोत्तम मॉडेल

Qwen3.6 Plus Preview 0.0

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण चुकीचे उत्तर सह120 अयशस्वी होण्याचे कारण उत्तर नाही सह18 अयशस्वी होण्याचे कारण सूचनांचे पालन केले नाही सह16 अयशस्वी होण्याचे कारण वेळ संपला सह12 अयशस्वी होण्याचे कारण अतिरिक्त फॉरमॅटिंग सह7 अयशस्वी होण्याचे कारण API त्रुटी सह6

क्रमांक	मॉडेल	कंपनी	कोडिंग स्कोअर	स्कोअर	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)
#118	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	3.3	5.4	0/1	38.1s
#148	GLM 4.7 Flash medium	Z.ai	3.4	4.5	0/2	55.3s
#72	MiMo-V2-Omni medium	Xiaomi	3.4	6.9	0/2	183.9s
#134	Nemotron 3 Super none	NVIDIA	3.4	5.0	0/2	3.02s
#120	Grok 4.20 none	X AI	3.4	5.4	0/1	1.22s
#119	MiniMax M2.5 medium	Minimax	3.5	5.4	0/2	125.8s
#143	Mercury 2 none	Inception	3.5	4.6	0/2	831ms
#23	Gemma 4 31B medium	Google	3.8	8.0	0/2	110.9s
#111	gpt-oss-120b medium	OpenAI	3.9	5.6	0/2	47.2s
#71	DeepSeek V3.2 medium	DeepSeek	3.9	7.0	0/2	185.0s
#135	Mistral Small 4 none	Mistral	4.0	5.0	0/2	1.03s
#124	Qwen3.5-122B-A10B none	Qwen	4.0	5.4	0/2	2.14s
#122	Elephant Alpha medium	Openrouter	4.0	5.4	0/2	1.30s
#77	Grok 4.20 medium	X AI	4.1	6.7	0/2	65.1s
#79	Kimi K2.5 medium	Moonshot AI	4.1	6.7	0/2	215.9s

कोडिंग स्कोअर नुसार शीर्ष मॉडेल्स

कोडिंग स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स