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)
#378	KAT Coder AIR V2.5 default	Kwaipilot	0.6	0.4	$0.070	1/2	2.66s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.070 प्रतिसाद वेळ (सरासरी) 2.66s
#381	Cobuddy medium	Baidu	0.6	0.4	$0.000	1/2	17.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 17.4s
#209	Ember-1 max	Fireworks	0.6	0.7	$3.264	1/2	39.8s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $3.264 प्रतिसाद वेळ (सरासरी) 39.8s
#281	gpt-oss-120b medium	OpenAI	0.6	0.6	$0.030	1/2	1.98s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.030 प्रतिसाद वेळ (सरासरी) 1.98s
#320	Ember-1 none	Fireworks	0.6	0.5	$0.786	1/2	35.3s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.786 प्रतिसाद वेळ (सरासरी) 35.3s
#167	Qwen3.8 27B medium	Qwen	0.6	0.7	~$0.073	1/2	8.76s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च ~$0.073 प्रतिसाद वेळ (सरासरी) 8.76s
#213	GLM 5.3 Flash low	Z.ai	0.6	0.7	$0.038	1/2	2.39s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.038 प्रतिसाद वेळ (सरासरी) 2.39s
#222	Claude Sonnet 5.5 medium	Anthropic	0.6	0.7	$1.100	1/2	2.56s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $1.100 प्रतिसाद वेळ (सरासरी) 2.56s
#291	Ring 2.6 1t medium	Inclusionai	0.6	0.6	$0.102	1/2	37.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.102 प्रतिसाद वेळ (सरासरी) 37.4s
#315	Qwen3.8 27B none	Qwen	0.6	0.5	~$0.010	1/2	1.14s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च ~$0.010 प्रतिसाद वेळ (सरासरी) 1.14s
#331	KAT Coder AIR V2.5 high	Kwaipilot	0.6	0.5	$0.077	1/2	3.59s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.077 प्रतिसाद वेळ (सरासरी) 3.59s
#336	Mercury 2.5 low	Inception	0.6	0.5	$0.020	1/2	1.06s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.020 प्रतिसाद वेळ (सरासरी) 1.06s
#337	KAT Coder AIR V2.5 medium	Kwaipilot	0.6	0.5	$0.048	1/2	3.65s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.048 प्रतिसाद वेळ (सरासरी) 3.65s
#345	KAT Coder AIR V2.5 low	Kwaipilot	0.6	0.5	$0.046	1/2	2.82s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.046 प्रतिसाद वेळ (सरासरी) 2.82s
#348	Qwen3 Coder Next default	Qwen	0.6	0.5	$0.067	1/2	1.32s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.067 प्रतिसाद वेळ (सरासरी) 1.32s

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