Eșecuri pe categorii AI BENCHY
Programare: Răspuns greșit
Programare
Răspuns greșit
Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Programare, ca să găsești mai repede punctele slabe.
Motive de eșec
134/134
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Răspuns greșit | Scor de categorie | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #98 | Gemini 3.1 Flash Lite Preview none | 2 | 5.5 | $0.018 | 1/3 | 967ms | |
| #99 | Gemini 3.1 Flash Lite low | 2 | 5.5 | $0.028 | 1/3 | 1.53s | |
| #102 | GPT-5.6 Sol none | OpenAI | 2 | 5.5 | $0.225 | 1/3 | 1.39s |
| #105 | GPT-5.5 none | OpenAI | 2 | 5.5 | $0.231 | 1/3 | 1.35s |
| #107 | Seed-2.0-Lite none | Bytedance Seed | 2 | 5.6 | $0.019 | 1/3 | 2.83s |
| #108 | GPT-5.6 Luna low | OpenAI | 2 | 5.5 | $0.141 | 1/3 | 4.61s |
| #109 | Gemini 2.5 Flash none | 2 | 5.5 | $0.016 | 1/3 | 736ms | |
| #110 | Gemini 3.1 Flash Lite minimal | 2 | 5.5 | $0.013 | 1/3 | 831ms | |
| #112 | Gemini 3.1 Flash Lite none | 2 | 5.5 | $0.013 | 1/3 | 938ms | |
| #113 | Qwen3.5-Flash none | Qwen | 2 | 5.5 | $0.005 | 1/3 | 850ms |
| #114 | Gemma 4 31B none | 2 | 5.5 | $0.004 | 1/3 | 11.2s | |
| #115 | Nemotron 3 Ultra 550b A55b none | NVIDIA | 2 | 5.5 | $0.027 | 1/3 | 1.02s |
| #117 | GPT-5.6 Terra none | OpenAI | 2 | 5.5 | $0.130 | 1/3 | 1.00s |
| #119 | Qwen3.6 Flash none | Qwen | 2 | 5.4 | $0.015 | 1/3 | 1.79s |
| #120 | Qwen3.5-35B-A3B none | Qwen | 2 | 5.5 | $0.012 | 1/3 | 1.39s |