Eșecuri pe categorii AI BENCHY
Programare: Formatare suplimentară
Programare
Formatare suplimentară
Vezi ce modele AI au cele mai mari șanse să întâmpine Formatare suplimentară la Programare, ca să găsești mai repede punctele slabe.
Motive de eșec
12/12
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Formatare suplimentară | Scor de categorie | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #38 | Claude Sonnet 4.6 medium | Anthropic | 1 | 5.7 | $1.418 | 1/3 | 33.3s |
| #45 | Claude Opus 4.8 low | Anthropic | 1 | 6.6 | $1.270 | 1/3 | 7.58s |
| #46 | Grok 4.3 medium | X AI | 1 | 5.9 | $0.614 | 1/3 | 41.2s |
| #48 | Claude Opus 4.6 medium | Anthropic | 1 | 5.7 | $2.053 | 1/3 | 30.1s |
| #51 | MiniMax M3 medium | Minimax | 1 | 6.1 | $0.131 | 1/3 | 144.7s |
| #53 | Grok Build 0.1 medium | X AI | 1 | 5.7 | $0.927 | 1/3 | 108.5s |
| #63 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 6.2 | $0.106 | 1/3 | 92.1s |
| #67 | Claude Sonnet 4.6 none | Anthropic | 1 | 5.5 | $0.316 | 1/3 | 5.19s |
| #76 | GLM 5.1 medium | Z.ai | 1 | 4.6 | $0.288 | 0/3 | 109.6s |
| #126 | Owl Alpha none | Openrouter | 1 | 5.6 | $0.000 | 1/3 | 36.9s |
| #130 | Mimo V2 Omni none | Xiaomi | 1 | 4.4 | $0.021 | 0/3 | 2.75s |
| #182 | Granite 4.1 8B none | IBM Granite | 1 | 4.5 | $0.003 | 0/3 | 775ms |