AI BENCHY श्रेणी
कोडी सोडवणे क्रमवारी
कोडी सोडवणे मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: बरोबर चाचण्या ↑.
| क्रमांक | मॉडेल | कंपनी | कोडी सोडवणे स्कोअर | स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #163 | Granite 4.1 8B none | IBM Granite | 3.2 | 4.0 | 0/3 | 608ms |
| #22 | Step 3.7 Flash medium | Stepfun | 5.7 | 8.0 | 1/3 | 6.19s |
| #38 | Grok 4.3 medium | X AI | 5.9 | 7.6 | 1/3 | 22.5s |
| #41 | Nemotron 3 Ultra 550b A55b medium | NVIDIA | 5.5 | 7.5 | 1/3 | 3.54s |
| #43 | MiMo-V2.5-Pro medium | Xiaomi | 6.7 | 7.5 | 1/3 | 5.31s |
| #51 | Mimo V2 PRO medium | Xiaomi | 6.4 | 7.4 | 1/3 | 5.08s |
| #53 | Gemini 3.1 Flash Lite high | 5.7 | 7.3 | 1/3 | 50.8s | |
| #54 | GPT-5 Mini medium | OpenAI | 5.6 | 7.3 | 1/3 | 15.2s |
| #57 | Step 3.7 Flash low | Stepfun | 5.5 | 7.3 | 1/3 | 1.84s |
| #60 | Kimi K2.6 medium | Moonshot AI | 6.0 | 7.2 | 1/3 | 25.1s |
| #62 | Step 3.5 Flash medium | Stepfun | 5.3 | 7.2 | 1/3 | 7.22s |
| #71 | Step 3.7 Flash high | Stepfun | 5.3 | 7.0 | 1/3 | 10.2s |
| #72 | DeepSeek V3.2 medium | DeepSeek | 7.0 | 7.0 | 1/3 | 37.7s |
| #75 | Ring-2.6-1T medium | Inclusionai | 5.9 | 6.9 | 1/3 | 20.7s |
| #76 | Kimi K2.5 medium | Moonshot AI | 5.3 | 6.8 | 1/3 | 43.2s |