Eșecuri pe categorii AI BENCHY
Programare: Fără răspuns
Programare
Fără răspuns
Vezi ce modele AI au cele mai mari șanse să întâmpine Fără răspuns la Programare, ca să găsești mai repede punctele slabe. Sortează după: Teste corecte ↑.
Motive de eșec
16/16
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Fără răspuns | Scor de categorie | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #71 | Gemma 4 26B A4B medium | 2 | 2.9 | $0.045 | 0/3 | 272.5s | |
| #75 | Step 3.7 Flash high | Stepfun | 2 | 4.0 | $1.148 | 0/3 | 206.2s |
| #76 | GLM 5.1 medium | Z.ai | 1 | 4.6 | $0.288 | 0/3 | 109.6s |
| #86 | Mimo V2 Omni medium | Xiaomi | 1 | 3.3 | $0.683 | 0/3 | 183.9s |
| #93 | Step 3.5 Flash medium | Stepfun | 1 | 2.4 | $0.070 | 0/2 | 258.4s |
| #102 | Gemma 4 31B medium | 1 | 4.3 | $0.033 | 0/3 | 219.8s | |
| #165 | MiniMax M2.5 medium | Minimax | 1 | 3.4 | $0.303 | 0/3 | 188.6s |
| #176 | GLM 4.7 Flash medium | Z.ai | 1 | 3.2 | $0.054 | 0/3 | 55.3s |
| #184 | Qwen3.5-9B medium | Qwen | 1 | 2.9 | $0.036 | 0/3 | 100.9s |
| #43 | Kimi K2.6 medium | Moonshot AI | 1 | 5.7 | $0.888 | 1/3 | 214.4s |
| #55 | Kimi K2.5 medium | Moonshot AI | 1 | 6.1 | $0.348 | 1/3 | 217.5s |
| #103 | Qwen3.5-35B-A3B medium | Qwen | 1 | 5.9 | $0.401 | 1/3 | 206.6s |
| #146 | MiniMax M2.7 medium | Minimax | 1 | 5.7 | $0.100 | 1/3 | 101.9s |
| #24 | GLM 5 Turbo medium | Z.ai | 1 | 8.2 | $0.323 | 2/3 | 45.9s |
| #88 | Qwen3.6 35B A3B medium | Qwen | 1 | 7.7 | $0.146 | 2/3 | 50.5s |