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: बरोबर चाचण्या ↓.

दाखवलेली मॉडेल्स

15

सरासरी कोडिंग स्कोअर

6.1

सर्वोत्तम मॉडेल

Gemini 3.5 Flash 10.0

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)
#44	MiMo-V2-Pro medium	Xiaomi	7.5	7.6	1/2	94.2s
#46	Claude Sonnet 4.6 medium	Anthropic	6.9	7.6	1/2	33.9s
#49	Gemini 3.1 Flash Lite Preview none	Google	6.8	7.5	1/2	1.06s
#50	Gemini 3.1 Flash Lite low	Google	6.8	7.4	1/2	1.71s
#52	GPT-5.3 Chat none	OpenAI	6.9	7.4	1/2	10.5s
#53	MiMo-V2.5 medium	Xiaomi	6.9	7.4	1/2	64.5s
#54	Kimi K2.6 medium	Moonshot AI	6.5	7.4	1/2	118.2s
#55	DeepSeek V4 Flash high	DeepSeek	6.8	7.4	1/2	58.1s
#60	GLM 5V Turbo medium	Z.ai	6.8	7.4	1/2	54.8s
#63	Claude Opus 4.6 medium	Anthropic	7.2	7.2	1/2	29.4s
#64	GPT-5.4 Nano medium	OpenAI	6.8	7.1	1/2	21.1s
#65	GPT-5.4 Mini medium	OpenAI	7.5	7.1	1/2	73.3s
#68	Seed-2.0-Mini medium	Bytedance Seed	6.8	7.1	1/2	220.5s
#69	Claude Sonnet 4.6 none	Anthropic	6.8	7.0	1/2	6.73s
#70	Qwen3.5-35B-A3B medium	Qwen	6.5	7.0	1/2	244.5s

कोडिंग स्कोअर नुसार शीर्ष मॉडेल्स

कोडिंग स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स