Сбои по категориям AI BENCHY
Программирование: Неверный ответ
Программирование
Неверный ответ
Посмотрите, какие AI-модели чаще всего сталкиваются с Неверный ответ в Программирование, чтобы быстрее находить слабые места. Сортировать по: Время ответа (среднее) ↑.
Причины сбоев
134/134
Фильтровать модели
Нет моделей, соответствующих текущему поиску и фильтрам.
| Ранг | Модель | Компания | Количество Неверный ответ | Оценка категории | Общая стоимость | Тестов верно | Время ответа (среднее) |
|---|---|---|---|---|---|---|---|
| #142 | Laguna XS 2.1 none | Poolside | 3 | 4.3 | $0.003 | 0/3 | 623ms |
| #109 | Gemini 2.5 Flash none | 2 | 5.5 | $0.016 | 1/3 | 736ms | |
| #183 | Granite 4.1 8B none | IBM Granite | 1 | 4.5 | $0.003 | 0/3 | 775ms |
| #110 | Gemini 3.1 Flash Lite minimal | 2 | 5.5 | $0.013 | 1/3 | 831ms | |
| #113 | Qwen3.5-Flash none | Qwen | 2 | 5.5 | $0.005 | 1/3 | 850ms |
| #149 | Mistral Small 4 none | Mistral | 3 | 3.7 | $0.007 | 0/3 | 901ms |
| #144 | GPT-5.4 Mini none | OpenAI | 2 | 5.5 | $0.038 | 1/3 | 913ms |
| #168 | Qwen3 Coder Next medium | Qwen | 2 | 3.7 | $0.008 | 0/3 | 924ms |
| #112 | Gemini 3.1 Flash Lite none | 2 | 5.5 | $0.013 | 1/3 | 938ms | |
| #98 | Gemini 3.1 Flash Lite Preview none | 2 | 5.5 | $0.018 | 1/3 | 967ms | |
| #143 | GPT-5.6 Luna none | OpenAI | 3 | 3.8 | $0.047 | 0/3 | 980ms |
| #117 | GPT-5.6 Terra none | OpenAI | 2 | 5.5 | $0.130 | 1/3 | 1.00s |
| #115 | Nemotron 3 Ultra 550b A55b none | NVIDIA | 2 | 5.5 | $0.027 | 1/3 | 1.02s |
| #171 | Mercury 2 none | Inception | 3 | 3.4 | $0.011 | 0/3 | 1.03s |
| #169 | Grok 4.20 Beta none | X AI | 1 | 1.8 | $0.087 | 0/1 | 1.14s |