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: प्रतिसाद वेळ (सरासरी) ↓.

दाखवलेली मॉडेल्स

15

सरासरी कोडिंग स्कोअर

6.1

सर्वोत्तम मॉडेल

Gemma 4 26B A4B 2.9

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण चुकीचे उत्तर सह119 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)
#73	GPT-5 Mini medium	OpenAI	10.0	6.9	2/2	30.7s
#63	Claude Opus 4.6 medium	Anthropic	7.2	7.2	1/2	29.4s
#38	Hy3 preview low	Tencent	10.0	7.7	1/1	27.9s
#81	Grok 4.20 Multi Agent Beta medium	X AI	10.0	6.6	1/1	27.1s
#2	Gemini 3.5 Flash high	Google	10.0	9.6	2/2	24.6s
#131	DeepSeek V4 Flash none	DeepSeek	4.8	5.1	0/2	24.5s
#87	Grok 4.1 Fast medium	X AI	2.3	6.5	0/1	23.6s
#57	GPT-5.2 medium	OpenAI	10.0	7.4	2/2	23.2s
#5	Qwen3.7 Max medium	Qwen	10.0	9.0	2/2	23.0s
#82	Grok Build 0.1 none	X AI	10.0	6.6	1/1	21.4s
#64	GPT-5.4 Nano medium	OpenAI	6.8	7.1	1/2	21.1s
#114	DeepSeek V3.2 none	DeepSeek	3.1	5.6	0/2	20.9s
#100	Owl Alpha medium	Openrouter	6.6	5.8	1/2	19.1s
#15	GPT-5.3-Codex medium	OpenAI	10.0	8.3	2/2	18.5s
#76	Gemma 4 31B none	Google	6.8	6.7	1/2	14.8s

कोडिंग स्कोअर नुसार शीर्ष मॉडेल्स

कोडिंग स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स