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.
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) |
|---|---|---|---|---|---|---|---|
| #70 | Claude Opus 4.8 none | Anthropic | 1 | 5.5 | $0.539 | 1/3 | 3.29s |
| #71 | DeepSeek V4 Pro none | DeepSeek | 1 | 5.6 | $0.034 | 1/3 | 13.4s |
| #75 | MiMo-V2-Flash medium | Xiaomi | 1 | 6.0 | $0.043 | 1/3 | 10.7s |
| #76 | Step 3.7 Flash high | Stepfun | 1 | 4.0 | $1.148 | 0/3 | 206.2s |
| #80 | Gemini 3.5 Flash none | 1 | 8.8 | $1.079 | 2/3 | 34.7s | |
| #85 | Gemini 3.5 Flash minimal | 1 | 5.6 | $0.108 | 1/3 | 2.75s | |
| #87 | Mimo V2 Omni medium | Xiaomi | 1 | 3.3 | $0.683 | 0/3 | 183.9s |
| #91 | Mimo V2 PRO medium | Xiaomi | 1 | 6.0 | $0.333 | 1/3 | 94.2s |
| #125 | Owl Alpha medium | Openrouter | 1 | 5.4 | $0.000 | 1/3 | 18.7s |
| #126 | Mimo V2 PRO none | Xiaomi | 1 | 5.5 | $0.045 | 1/3 | 2.65s |
| #127 | Owl Alpha none | Openrouter | 1 | 5.6 | $0.000 | 1/3 | 36.9s |
| #128 | Kimi K2.6 none | Moonshot AI | 1 | 5.5 | $0.078 | 1/3 | 82.6s |
| #131 | Mimo V2 Omni none | Xiaomi | 1 | 4.4 | $0.021 | 0/3 | 2.75s |
| #157 | Trinity Large Preview none | Arcee AI | 1 | 3.7 | $0.008 | 0/3 | 14.3s |
| #160 | Cobuddy medium | Baidu | 1 | 3.7 | $0.000 | 0/3 | 79.2s |