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: मेट्रिक ↑.

दाखवलेली मॉडेल्स

सरासरी डेटा पार्सिंग आणि निष्कर्षण स्कोअर

0.9

सर्वोत्तम मॉडेल

Gemini 3 Flash Preview 0.0

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)
#263	Gemini 3.1 Flash Lite Preview none	Google	1.0	0.6	$0.090	2/2	1.22s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.090 प्रतिसाद वेळ (सरासरी) 1.22s
#264	Claude Fable 5.1 low	Anthropic	1.0	0.6	$3.395	2/2	4.71s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $3.395 प्रतिसाद वेळ (सरासरी) 4.71s
#266	Beam 1.0 501B A23B high	Reflection	1.0	0.6	$0.674	2/2	1.66s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.674 प्रतिसाद वेळ (सरासरी) 1.66s
#269	Inkling none	Thinkingmachines	1.0	0.6	$0.292	2/2	1.14s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.292 प्रतिसाद वेळ (सरासरी) 1.14s
#270	Qwen3.5 Plus 2026-04-20 none	Qwen	1.0	0.6	$0.216	2/2	2.82s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.216 प्रतिसाद वेळ (सरासरी) 2.82s
#271	Step 5 Preview medium	Stepfun	1.0	0.6	$4.136	2/2	4.10s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $4.136 प्रतिसाद वेळ (सरासरी) 4.10s
#273	KAT-Coder-Pro V2.5 default	Kwaipilot	1.0	0.6	$0.742	2/2	5.07s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.742 प्रतिसाद वेळ (सरासरी) 5.07s
#275	Claude Sonnet 4.6 none	Anthropic	1.0	0.6	$0.661	2/2	3.43s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.661 प्रतिसाद वेळ (सरासरी) 3.43s
#276	GLM 5.3 FlashX low	Z.ai	1.0	0.6	$0.157	2/2	1.59s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.157 प्रतिसाद वेळ (सरासरी) 1.59s
#277	MiMo-V2.6-Pro none	Xiaomi	1.0	0.6	$0.193	2/2	1.05s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.193 प्रतिसाद वेळ (सरासरी) 1.05s
#278	Inkling Small medium	Thinkingmachines	1.0	0.6	$0.113	2/2	3.95s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.113 प्रतिसाद वेळ (सरासरी) 3.95s
#279	Seed-2.0-Lite none	Bytedance Seed	1.0	0.6	$0.114	2/2	1.82s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.114 प्रतिसाद वेळ (सरासरी) 1.82s
#280	Gemini 3.1 Flash Lite minimal	Google	1.0	0.6	$0.080	2/2	1.04s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.080 प्रतिसाद वेळ (सरासरी) 1.04s
#282	Gemini 3.1 Flash Lite none	Google	1.0	0.6	$0.069	2/2	843ms
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.069 प्रतिसाद वेळ (सरासरी) 843ms
#283	Qwen3.6 Flash none	Qwen	1.0	0.6	$0.139	2/2	2.13s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $0.139 प्रतिसाद वेळ (सरासरी) 2.13s

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