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: प्रतिसाद वेळ (सरासरी) ↑.
| क्रमांक | मॉडेल | कंपनी | कोडिंग स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #45 | Grok Build 0.1 medium | X AI | 5.3 | 7.6 | 0/2 | 67.4s |
| #11 | GPT-5.5 medium | OpenAI | 8.2 | 8.7 | 1/2 | 69.7s |
| #65 | GPT-5.4 Mini medium | OpenAI | 7.5 | 7.1 | 1/2 | 73.3s |
| #105 | Cobuddy medium | Baidu | 4.1 | 5.7 | 0/2 | 79.2s |
| #40 | MiMo-V2.5-Pro medium | Xiaomi | 7.0 | 7.6 | 1/2 | 81.7s |
| #18 | GLM 5 medium | Z.ai | 10.0 | 8.2 | 2/2 | 89.5s |
| #44 | MiMo-V2-Pro medium | Xiaomi | 7.5 | 7.6 | 1/2 | 94.2s |
| #1 | Gemini 3 Flash Preview medium | 7.9 | 9.8 | 1/2 | 96.0s | |
| #22 | Hy3 preview high | Tencent | 10.0 | 8.0 | 1/1 | 99.8s |
| #21 | Seed-2.0-Lite medium | Bytedance Seed | 7.0 | 8.1 | 1/2 | 107.7s |
| #23 | Gemma 4 31B medium | 3.8 | 8.0 | 0/2 | 110.9s | |
| #54 | Kimi K2.6 medium | Moonshot AI | 6.5 | 7.4 | 1/2 | 118.2s |
| #38 | Qwen3.5-122B-A10B medium | Qwen | 4.1 | 7.7 | 0/2 | 119.6s |
| #110 | Kimi K2.6 none | Moonshot AI | 6.8 | 5.6 | 1/2 | 122.8s |
| #25 | Qwen3.5-27B medium | Qwen | 7.0 | 7.9 | 1/2 | 123.9s |