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) ↓.
189/189
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | कोडिंग स्कोअर | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #124 | North Mini Code medium | Cohere | 4.5 | 5.8 | $0.000 | 0/3 | 320.4s |
| #72 | Gemma 4 26B A4B medium | 2.9 | 7.2 | $0.045 | 0/3 | 272.5s | |
| #94 | Step 3.5 Flash medium | Stepfun | 2.4 | 6.6 | $0.070 | 0/2 | 258.4s |
| #61 | DeepSeek V3.2 medium | DeepSeek | 6.0 | 7.5 | $0.042 | 1/3 | 248.7s |
| #53 | DeepSeek V4 Pro high | DeepSeek | 6.1 | 7.6 | $0.157 | 1/3 | 243.0s |
| #63 | Seed-2.0-Mini medium | Bytedance Seed | 5.5 | 7.4 | $0.044 | 1/3 | 220.5s |
| #103 | Gemma 4 31B medium | 4.3 | 6.3 | $0.033 | 0/3 | 219.8s | |
| #56 | Kimi K2.5 medium | Moonshot AI | 6.1 | 7.5 | $0.348 | 1/3 | 217.5s |
| #44 | Kimi K2.6 medium | Moonshot AI | 5.7 | 7.8 | $0.888 | 1/3 | 214.4s |
| #104 | Qwen3.5-35B-A3B medium | Qwen | 5.9 | 6.3 | $0.401 | 1/3 | 206.6s |
| #76 | Step 3.7 Flash high | Stepfun | 4.0 | 7.1 | $1.148 | 0/3 | 206.2s |
| #166 | MiniMax M2.5 medium | Minimax | 3.4 | 4.7 | $0.303 | 0/3 | 188.6s |
| #87 | Mimo V2 Omni medium | Xiaomi | 3.3 | 6.8 | $0.683 | 0/3 | 183.9s |
| #34 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 6.6 | 8.0 | $0.310 | 1/3 | 180.7s |
| #35 | Qwen3.5-27B medium | Qwen | 6.2 | 7.9 | $0.536 | 1/3 | 160.7s |