AI BENCHY श्रेणी
डेटा पार्सिंग आणि निष्कर्षण क्रमवारी
डेटा पार्सिंग आणि निष्कर्षण मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: बरोबर चाचण्या ↑.
| क्रमांक | मॉडेल | कंपनी | डेटा पार्सिंग आणि निष्कर्षण स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #76 | Kimi K2.5 none | Moonshot AI | 7.3 | 5.5 | 1/2 | 42.1s |
| #80 | MiniMax M2.7 medium | Minimax | 6.3 | 5.3 | 1/2 | 21.9s |
| #81 | Elephant medium | Openrouter | 6.5 | 5.2 | 1/2 | 979ms |
| #84 | gpt-oss-120b none | OpenAI | 6.5 | 5.2 | 1/2 | 7.12s |
| #85 | Elephant none | Openrouter | 6.5 | 5.2 | 1/2 | 1.04s |
| #87 | Qwen3 Coder Next none | Qwen | 6.5 | 5.1 | 1/2 | 1.32s |
| #91 | Mercury 2 none | Inception | 7.3 | 4.8 | 1/2 | 667ms |
| #92 | Qwen3 Coder Next medium | Qwen | 6.5 | 4.7 | 1/2 | 81.8s |
| #93 | GLM 4.7 Flash medium | Z.ai | 6.3 | 4.6 | 1/2 | 1.51s |
| #96 | GPT-5.4 Nano none | OpenAI | 6.5 | 4.5 | 1/2 | 1.11s |
| #1 | Gemini 3 Flash Preview medium | 10.0 | 10.0 | 2/2 | 4.72s | |
| #2 | Gemini 3.1 Pro Preview medium | 10.0 | 9.6 | 2/2 | 7.72s | |
| #3 | Claude Opus 4.7 medium | Anthropic | 10.0 | 9.2 | 2/2 | 2.37s |
| #4 | Claude Opus 4.7 none | Anthropic | 10.0 | 9.2 | 2/2 | 2.15s |
| #5 | Gemini 3 Flash Preview low | 10.0 | 8.8 | 2/2 | 9.40s |