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 सह37 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

451/451

क्रमांक	मॉडेल	कंपनी	डेटा पार्सिंग आणि निष्कर्षण स्कोअर	स्कोअर	एकूण खर्च	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)
#341	Mimo V2 PRO medium	Xiaomi	0.7	0.5	$0.333	1/2	17.2s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.333 प्रतिसाद वेळ (सरासरी) 17.2s
#342	MiMo-V2-Flash medium	Xiaomi	0.7	0.5	$0.043	1/2	0ms
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.043 प्रतिसाद वेळ (सरासरी) 0ms
#343	Mistral Small 4 medium	Mistral	0.7	0.5	$0.126	1/2	1.23s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.126 प्रतिसाद वेळ (सरासरी) 1.23s
#345	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
#346	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
#350	Mercury 2.5 Preview low	Inception	0.6	0.5	$0.015	1/2	1.12s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.015 प्रतिसाद वेळ (सरासरी) 1.12s
#351	MiniMax M2.7 medium	Minimax	0.6	0.5	$0.326	1/2	21.9s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.326 प्रतिसाद वेळ (सरासरी) 21.9s
#354	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
#357	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
#361	MiMo-V2.5 none	Xiaomi	0.7	0.5	$0.049	1/2	1.01s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.049 प्रतिसाद वेळ (सरासरी) 1.01s
#363	Hy4 preview none	Tencent	0.9	0.5	$0.165	1/2	22.8s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.165 प्रतिसाद वेळ (सरासरी) 22.8s
#365	Hy3 preview high	Tencent	0.7	0.5	$0.135	1/2	12.1s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.135 प्रतिसाद वेळ (सरासरी) 12.1s
#366	GLM 4.7 Flash none	Z.ai	0.7	0.5	$0.027	1/2	4.82s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.027 प्रतिसाद वेळ (सरासरी) 4.82s
#367	Mercury 2.5 Preview default	Inception	0.6	0.5	$0.023	1/2	1.04s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.023 प्रतिसाद वेळ (सरासरी) 1.04s
#372	Qwen3 Coder Next medium	Qwen	0.6	0.5	$0.071	1/2	81.8s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.071 प्रतिसाद वेळ (सरासरी) 81.8s

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