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: मेट्रिक ↑.
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 |
| #128 | Kimi K2.6 none | Moonshot AI | 5.5 | 5.8 | $0.078 | 1/3 | 82.6s |
| #58 | GPT-5.3 Chat none | OpenAI | 5.6 | 7.5 | $0.433 | 1/3 | 10.5s |
| #71 | DeepSeek V4 Pro none | DeepSeek | 5.6 | 7.2 | $0.034 | 1/3 | 13.4s |
| #107 | Seed-2.0-Lite none | Bytedance Seed | 5.6 | 6.2 | $0.019 | 1/3 | 2.83s |
| #85 | Gemini 3.5 Flash minimal | 5.6 | 6.8 | $0.108 | 1/3 | 2.75s | |
| #127 | Owl Alpha none | Openrouter | 5.6 | 5.8 | $0.000 | 1/3 | 36.9s |
| #54 | Grok Build 0.1 medium | X AI | 5.7 | 7.6 | $0.927 | 1/3 | 108.5s |
| #147 | MiniMax M2.7 medium | Minimax | 5.7 | 5.2 | $0.100 | 1/3 | 101.9s |
| #44 | Kimi K2.6 medium | Moonshot AI | 5.7 | 7.8 | $0.888 | 1/3 | 214.4s |
| #39 | Claude Sonnet 4.6 medium | Anthropic | 5.7 | 7.8 | $1.418 | 1/3 | 33.3s |
| #49 | Claude Opus 4.6 medium | Anthropic | 5.7 | 7.7 | $2.053 | 1/3 | 30.1s |
| #65 | Gemini 3 Flash Preview low | 5.8 | 7.4 | $0.111 | 1/3 | 6.00s | |
| #121 | Qwen3.5-27B none | Qwen | 5.8 | 5.9 | $0.015 | 1/3 | 1.80s |
| #104 | Qwen3.5-35B-A3B medium | Qwen | 5.9 | 6.3 | $0.401 | 1/3 | 206.6s |