Orodha ya Uandishi wa msimbo x Muda umeisha

Kushindwa kwa kategoria za AI BENCHY

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Muda umeisha katika Uandishi wa msimbo, ili uone udhaifu haraka.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

GLM 5.2 2

Sababu za kushindwa

Jibu lisilo sahihi230 Hitilafu ya API43 Muda umeisha25 Hakuna jibu18 Hakufuata maelekezo16 Muundo wa ziada12

Kategoria

Mahususi kwa domeni37 Uandishi wa msimbo25 Utatuzi wa mafumbo5 Akili ya jumla4 Mbinu za kupinga AI4 Mchanganyiko2 Uchanganuzi na uchimbaji wa data1 Ufuataji wa maagizo1

22/22

Nafasi	Modeli	Kampuni	Idadi ya Muda umeisha	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#32	GLM 5.2 high	Z.ai	2	6.4	$0.554	1/3	73.0s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.554 Muda wa majibu (wastani) 73.0s
#103	Gemma 4 31B medium	Google	2	4.3	$0.033	0/3	219.8s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.033 Muda wa majibu (wastani) 219.8s
#177	GLM 4.7 Flash medium	Z.ai	2	3.2	$0.054	0/3	55.3s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.054 Muda wa majibu (wastani) 55.3s
#30	Qwen3.7 Plus medium	Qwen	1	6.1	$0.177	1/3	108.6s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.177 Muda wa majibu (wastani) 108.6s
#44	Kimi K2.6 medium	Moonshot AI	1	5.7	$0.888	1/3	214.4s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.888 Muda wa majibu (wastani) 214.4s
#45	Qwen3.5-122B-A10B medium	Qwen	1	6.0	$0.588	1/3	114.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.588 Muda wa majibu (wastani) 114.5s
#52	MiniMax M3 medium	Minimax	1	6.1	$0.131	1/3	144.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.131 Muda wa majibu (wastani) 144.7s
#53	DeepSeek V4 Pro high	DeepSeek	1	6.1	$0.157	1/3	243.0s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.157 Muda wa majibu (wastani) 243.0s
#56	Kimi K2.5 medium	Moonshot AI	1	6.1	$0.348	1/3	217.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.348 Muda wa majibu (wastani) 217.5s
#61	DeepSeek V3.2 medium	DeepSeek	1	6.0	$0.042	1/3	248.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.042 Muda wa majibu (wastani) 248.7s
#63	Seed-2.0-Mini medium	Bytedance Seed	1	5.5	$0.044	1/3	220.5s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.044 Muda wa majibu (wastani) 220.5s
#72	Gemma 4 26B A4B medium	Google	1	2.9	$0.045	0/3	272.5s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.045 Muda wa majibu (wastani) 272.5s
#75	MiMo-V2-Flash medium	Xiaomi	1	6.0	$0.043	1/3	10.7s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.043 Muda wa majibu (wastani) 10.7s
#77	GLM 5.1 medium	Z.ai	1	4.6	$0.288	0/3	109.6s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.288 Muda wa majibu (wastani) 109.6s
#79	Kimi K2.7 Code medium	Moonshot AI	1	7.6	$0.581	2/3	146.7s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.581 Muda wa majibu (wastani) 146.7s

Chuja miundo

Modeli bora kwa Idadi ya Muda umeisha

Idadi ya Muda umeisha dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Uandishi wa msimbo: Muda umeisha

Chuja miundo

Modeli bora kwa Idadi ya Muda umeisha

Idadi ya Muda umeisha dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa