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)
#31	Grok 4.3 medium	X AI	7.4	7.8	1/2	55.3s
#123	Laguna M.1 none	Poolside	7.5	5.4	0/1	2.93s
#44	MiMo-V2-Pro medium	Xiaomi	7.5	7.6	1/2	94.2s
#65	GPT-5.4 Mini medium	OpenAI	7.5	7.1	1/2	73.3s
#20	Qwen3.5 Plus 2026-02-15 medium	Qwen	7.6	8.1	1/2	193.8s
#1	Gemini 3 Flash Preview medium	Google	7.9	9.8	1/2	96.0s
#9	Gemini 3.5 Flash none	Google	8.2	8.9	1/2	39.6s
#11	GPT-5.5 medium	OpenAI	8.2	8.7	1/2	69.7s
#14	Qwen3.6 Max Preview medium	Qwen	8.2	8.4	1/2	178.0s
#27	GPT-5.4 medium	OpenAI	8.2	7.9	1/2	55.0s
#43	GPT-5.2 Chat none	OpenAI	8.2	7.6	1/2	8.05s
#2	Gemini 3.5 Flash high	Google	10.0	9.6	2/2	24.6s
#5	Qwen3.7 Max medium	Qwen	10.0	9.0	2/2	23.0s
#7	Claude Opus 4.7 medium	Anthropic	10.0	8.9	2/2	14.8s
#8	GPT-5.5 low	OpenAI	10.0	8.9	2/2	14.4s

कोडिंग स्कोअर नुसार शीर्ष मॉडेल्स

कोडिंग स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स