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

Gemini 3.6 Flash 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)
#246	Qwen3.6 27B none	Qwen	0.7	0.6	$0.148	1/2	2.06s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.148 प्रतिसाद वेळ (सरासरी) 2.06s
#256	Trinity Large Thinking low	Arcee AI	0.7	0.6	$0.918	1/2	14.3s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.918 प्रतिसाद वेळ (सरासरी) 14.3s
#260	KAT-Coder-Pro V2.5 medium	Kwaipilot	0.7	0.6	$0.669	1/2	4.70s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.669 प्रतिसाद वेळ (सरासरी) 4.70s
#265	Gemini 3.5 Flash none	Google	0.7	0.6	$1.752	1/2	8.10s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $1.752 प्रतिसाद वेळ (सरासरी) 8.10s
#267	Trinity Large Thinking medium	Arcee AI	0.6	0.6	$0.862	1/2	16.4s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.862 प्रतिसाद वेळ (सरासरी) 16.4s
#272	Granite 4.2 8B medium	IBM Granite	0.7	0.6	$0.029	1/2	1.43s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.029 प्रतिसाद वेळ (सरासरी) 1.43s
#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
#289	DeepSeek V4.1 Flash none	DeepSeek	0.7	0.6	$0.391	1/2	3.09s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.391 प्रतिसाद वेळ (सरासरी) 3.09s
#290	Ling 3.0 Flash high	Inclusionai	0.7	0.6	$0.021	1/2	7.15s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.021 प्रतिसाद वेळ (सरासरी) 7.15s
#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
#292	Trinity Large Thinking high	Arcee AI	0.6	0.6	$0.794	1/2	14.0s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.794 प्रतिसाद वेळ (सरासरी) 14.0s
#296	Seed 2.1 Turbo none	Bytedance Seed	0.7	0.6	$0.182	1/2	2.63s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.182 प्रतिसाद वेळ (सरासरी) 2.63s
#310	GPT-6 Luna none	OpenAI	0.7	0.5	$0.026	1/2	9.34s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $0.026 प्रतिसाद वेळ (सरासरी) 9.34s
#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
#317	Hy4 preview low	Tencent	0.9	0.5	$1.844	1/2	88.5s
एकूण चाचण्या 2 चुकीच्या चाचण्या 1 एकूण खर्च $1.844 प्रतिसाद वेळ (सरासरी) 88.5s

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