AI BENCHY
Advertise here

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) ↑.

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)
#16 Qwen3.6 Plus Preview medium Qwen 0.0 8.2 0/0 0ms
#19 Gemini 3 PRO Preview medium Google 3.0 8.1 0/2 0ms
#32 Step 3.5 Flash none Stepfun 3.0 7.8 0/1 0ms
#75 Hunter Alpha medium OpenRouter 3.0 6.7 0/1 0ms
#108 Hunter Alpha none OpenRouter 3.0 5.7 0/1 0ms
#153 Granite 4.1 8B none IBM Granite 5.2 4.1 0/2 706ms
#92 Gemini 2.5 Flash none Google 6.8 6.2 1/2 810ms
#143 Mercury 2 none Inception 3.5 4.6 0/2 831ms
#78 Gemini 3.1 Flash Lite minimal Google 6.8 6.7 1/2 951ms
#97 Qwen3.5-Flash none Qwen 6.8 5.9 1/2 993ms
#136 GPT-5.4 Mini none OpenAI 6.8 4.9 1/2 1.01s
#135 Mistral Small 4 none Mistral 4.0 5.0 0/2 1.03s
#49 Gemini 3.1 Flash Lite Preview none Google 6.8 7.5 1/2 1.06s
#147 GPT-5.4 Nano none OpenAI 5.4 4.5 0/2 1.09s
#85 Gemini 3.1 Flash Lite none Google 6.8 6.6 1/2 1.13s

कोडिंग स्कोअर नुसार शीर्ष मॉडेल्स

कोडिंग स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स