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: एकूण खर्च ↓.

दाखवलेली मॉडेल्स

सरासरी डेटा पार्सिंग आणि निष्कर्षण स्कोअर

0.9

सर्वोत्तम मॉडेल

Claude Sonnet 5.5 1.0

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)
#169	Claude Opus 4.8 low	Anthropic	0.6	0.7	$3.787	1/2	2.27s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $3.787 प्रतिसाद वेळ (सरासरी) 2.27s
#105	Claude Opus 4.7 medium	Anthropic	1.0	0.8	$3.636	2/2	2.37s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $3.636 प्रतिसाद वेळ (सरासरी) 2.37s
#95	Claude Opus 4.8 medium	Anthropic	0.7	0.8	$3.490	1/2	12.3s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $3.490 प्रतिसाद वेळ (सरासरी) 12.3s
#116	Claude Fable 5.1 high	Anthropic	1.0	0.8	$3.471	2/2	6.30s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $3.471 प्रतिसाद वेळ (सरासरी) 6.30s
#131	Muse Wonder high	Meta	1.0	0.8	$3.426	2/2	7.09s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $3.426 प्रतिसाद वेळ (सरासरी) 7.09s
#93	Kimi K3 max	Moonshot AI	0.7	0.8	$3.409	1/2	16.7s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $3.409 प्रतिसाद वेळ (सरासरी) 16.7s
#203	Grok 4.7 xhigh	X AI	1.0	0.7	$3.398	2/2	7.50s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $3.398 प्रतिसाद वेळ (सरासरी) 7.50s
#32	Muse Wonder medium	Meta	1.0	0.9	$3.397	2/2	6.12s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $3.397 प्रतिसाद वेळ (सरासरी) 6.12s
#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
#36	Qwen3.8 Max (0902) high	Qwen	1.0	0.9	$3.306	2/2	16.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $3.306 प्रतिसाद वेळ (सरासरी) 16.4s
#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
#159	Claude Fable 5.1 medium	Anthropic	1.0	0.7	$3.197	2/2	4.47s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $3.197 प्रतिसाद वेळ (सरासरी) 4.47s
#207	Grok 4.7 high	X AI	1.0	0.7	$3.037	2/2	8.65s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $3.037 प्रतिसाद वेळ (सरासरी) 8.65s
#124	Grok 4.5 medium	X AI	1.0	0.8	$2.996	2/2	6.29s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $2.996 प्रतिसाद वेळ (सरासरी) 6.29s
#253	Claude Opus 4.6 medium	Anthropic	1.0	0.6	$2.961	2/2	7.37s
एकूण चाचण्या 2 चुकीच्या चाचण्या 0 एकूण खर्च $2.961 प्रतिसाद वेळ (सरासरी) 7.37s

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