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 ↑.
| क्रमांक | मॉडेल | कंपनी | कोडिंग स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #104 | Qwen3.6 27B none | Qwen | 6.8 | 5.8 | 1/2 | 5.75s |
| #106 | Owl Alpha none | Openrouter | 7.0 | 5.7 | 1/2 | 39.7s |
| #107 | MiMo-V2-Pro none | Xiaomi | 6.8 | 5.7 | 1/2 | 2.65s |
| #110 | Kimi K2.6 none | Moonshot AI | 6.8 | 5.6 | 1/2 | 122.8s |
| #112 | GPT-5.4 none | OpenAI | 6.8 | 5.6 | 1/2 | 1.99s |
| #116 | Qwen3.6 Flash none | Qwen | 6.6 | 5.5 | 1/2 | 2.34s |
| #126 | Kimi K2.5 none | Moonshot AI | 6.8 | 5.3 | 1/2 | 36.0s |
| #133 | MiniMax M2.7 medium | Minimax | 6.7 | 5.0 | 1/2 | 54.7s |
| #136 | GPT-5.4 Mini none | OpenAI | 6.8 | 4.9 | 1/2 | 1.01s |
| #137 | Qwen3.6 35B A3B none | Qwen | 6.8 | 4.9 | 1/2 | 12.3s |
| #139 | MiMo-V2.5 none | Xiaomi | 6.8 | 4.8 | 1/2 | 3.74s |
| #2 | Gemini 3.5 Flash high | 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 |