AI BENCHY श्रेणी
कोडिंग क्रमवारी
कोडिंग मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: बरोबर चाचण्या ↑.
189/189
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | कोडिंग स्कोअर | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #63 | Seed-2.0-Mini medium | Bytedance Seed | 5.5 | 7.4 | $0.044 | 1/3 | 220.5s |
| #64 | MiMo-V2.5-Pro medium | Xiaomi | 6.2 | 7.4 | $0.106 | 1/3 | 92.1s |
| #65 | Gemini 3 Flash Preview low | 5.8 | 7.4 | $0.111 | 1/3 | 6.00s | |
| #66 | Grok 4.20 medium | X AI | 6.3 | 7.3 | $0.609 | 1/3 | 109.9s |
| #67 | Hy3 preview medium | Tencent | 5.3 | 7.3 | $0.018 | 1/3 | 31.4s |
| #68 | Claude Sonnet 4.6 none | Anthropic | 5.5 | 7.3 | $0.316 | 1/3 | 5.19s |
| #69 | GLM 5V Turbo medium | Z.ai | 6.0 | 7.3 | $0.457 | 1/3 | 63.4s |
| #70 | Claude Opus 4.8 none | Anthropic | 5.5 | 7.2 | $0.539 | 1/3 | 3.29s |
| #71 | DeepSeek V4 Pro none | DeepSeek | 5.6 | 7.2 | $0.034 | 1/3 | 13.4s |
| #73 | Qwen3.7 Plus none | Qwen | 5.5 | 7.2 | $0.023 | 1/3 | 2.15s |
| #75 | MiMo-V2-Flash medium | Xiaomi | 6.0 | 7.1 | $0.043 | 1/3 | 10.7s |
| #78 | Laguna XS 2.1 medium | Poolside | 5.5 | 7.0 | $0.036 | 1/3 | 70.3s |
| #81 | Gemini 3 Flash Preview none | 5.5 | 6.9 | $0.025 | 1/3 | 1.80s | |
| #82 | Qwen3.7 Max none | Qwen | 5.5 | 6.9 | $0.054 | 1/3 | 1.35s |
| #85 | Gemini 3.5 Flash minimal | 5.6 | 6.8 | $0.108 | 1/3 | 2.75s |