डेटा पार्सिंग आणि निष्कर्षण मॉडेल 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 ↑.

दाखवलेली मॉडेल्स

सरासरी डेटा पार्सिंग आणि निष्कर्षण स्कोअर

0.9

सर्वोत्तम मॉडेल

LongCat 2.0 0.4

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण चुकीचे उत्तर सह93 अयशस्वी होण्याचे कारण API त्रुटी सह32 अयशस्वी होण्याचे कारण अतिरिक्त फॉरमॅटिंग सह12 अयशस्वी होण्याचे कारण उत्तर नाही सह9 अयशस्वी होण्याचे कारण सूचनांचे पालन केले नाही सह8 अयशस्वी होण्याचे कारण वेळ संपला सह2

442/442

क्रमांक	मॉडेल	कंपनी	डेटा पार्सिंग आणि निष्कर्षण स्कोअर	स्कोअर	एकूण खर्च	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)
#215	GLM 5.2 none	Z.ai	1.0	0.7	$0.250	2/2	7.17s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.250 प्रतिसाद वेळ (सरासरी) 7.17s
#216	Qwen3.7 Flash medium	Qwen	1.0	0.7	$0.076	2/2	15.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.076 प्रतिसाद वेळ (सरासरी) 15.4s
#219	Step 3.7 Flash high	Stepfun	1.0	0.7	$1.478	2/2	14.7s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $1.478 प्रतिसाद वेळ (सरासरी) 14.7s
#220	Beam 1.0 501B A23B medium	Reflection	1.0	0.7	$0.499	2/2	1.24s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.499 प्रतिसाद वेळ (सरासरी) 1.24s
#221	KAT-Coder-Pro V2.5 low	Kwaipilot	1.0	0.7	$0.568	2/2	4.19s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.568 प्रतिसाद वेळ (सरासरी) 4.19s
#223	Qwen3.6 35B A3B medium	Qwen	1.0	0.7	$0.834	2/2	13.0s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.834 प्रतिसाद वेळ (सरासरी) 13.0s
#224	Mercury 2.5 Preview high	Inception	1.0	0.6	$0.040	2/2	2.24s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.040 प्रतिसाद वेळ (सरासरी) 2.24s
#225	Mercury 2.5 high	Inception	1.0	0.6	$0.044	2/2	3.08s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.044 प्रतिसाद वेळ (सरासरी) 3.08s
#226	Beam 1.0 501B A23B xhigh	Reflection	1.0	0.6	$0.688	2/2	1.60s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.688 प्रतिसाद वेळ (सरासरी) 1.60s
#227	GLM 5.3 low	Z.ai	1.0	0.6	$0.215	2/2	3.42s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.215 प्रतिसाद वेळ (सरासरी) 3.42s
#228	GLM 5.1 none	Z.ai	1.0	0.6	$0.451	2/2	1.08s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.451 प्रतिसाद वेळ (सरासरी) 1.08s
#229	KAT-Coder-Pro V2.5 high	Kwaipilot	1.0	0.6	$0.506	2/2	4.13s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.506 प्रतिसाद वेळ (सरासरी) 4.13s
#230	Grok 4.3 medium	X AI	1.0	0.6	$0.989	2/2	19.0s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.989 प्रतिसाद वेळ (सरासरी) 19.0s
#231	Laguna XS 2.1 medium	Poolside	1.0	0.6	$0.083	2/2	4.50s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.083 प्रतिसाद वेळ (सरासरी) 4.50s
#232	Qwen3.5-122B-A10B none	Qwen	1.0	0.6	$0.308	2/2	1.01s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.308 प्रतिसाद वेळ (सरासरी) 1.01s

डेटा पार्सिंग आणि निष्कर्षण क्रमवारी

मॉडेल फिल्टर करा

डेटा पार्सिंग आणि निष्कर्षण स्कोअर नुसार शीर्ष मॉडेल्स

डेटा पार्सिंग आणि निष्कर्षण स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स