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)
#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
#82	Laguna Xs.2 medium	Poolside	6.3	6.6	0/1	14.4s
#140	Trinity Large Preview none	Arcee AI	4.9	4.8	0/1	14.3s
#138	Qwen3.6 35B A3B none	Qwen	6.8	4.9	1/2	12.3s
#130	Ling-2.6-flash none	Inclusionai	10.0	5.3	1/1	11.2s
#148	Ling-2.6-1T none	Inclusionai	5.5	4.5	0/1	10.6s
#55	GPT-5.3 Chat none	OpenAI	6.9	7.4	1/2	10.5s
#6	Gemini 3.5 Flash medium	Google	6.8	9.0	1/2	9.91s
#119	gpt-oss-120b none	OpenAI	4.3	5.4	0/1	9.57s
#95	DeepSeek V4 Pro none	DeepSeek	5.4	6.0	0/2	8.27s
#30	GPT-5.2 Chat none	OpenAI	8.2	7.9	1/2	8.05s
#70	MiMo-V2-Flash medium	Xiaomi	4.1	7.1	0/2	7.20s
#72	Claude Sonnet 4.6 none	Anthropic	6.8	7.0	1/2	6.73s
#12	Gemini 3 Flash Preview low	Google	7.3	8.6	1/2	6.66s

कोडिंग स्कोअर नुसार शीर्ष मॉडेल्स

कोडिंग स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स