AI BENCHY زمرہ ناکامیاں
کوڈنگ: غلط جواب
کوڈنگ
غلط جواب
دیکھیں کہ کوڈنگ میں کن AI ماڈلز کو غلط جواب پیش آنے کا سب سے زیادہ امکان ہے، تاکہ آپ کمزوریاں جلدی پہچان سکیں۔ ترتیب دیں حسب: کل لاگت ↓.
ناکامی کی وجوہات
134/134
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #12 | GPT-5.5 medium | OpenAI | 1 | 8.8 | $3.679 | 2/3 | 59.8s |
| #26 | Grok 4.5 medium | X AI | 1 | 7.6 | $1.696 | 2/3 | 155.7s |
| #38 | Claude Sonnet 4.6 medium | Anthropic | 1 | 5.7 | $1.418 | 1/3 | 33.3s |
| #45 | Claude Opus 4.8 low | Anthropic | 1 | 6.6 | $1.270 | 1/3 | 7.58s |
| #20 | GPT-5.4 medium | OpenAI | 1 | 8.8 | $1.210 | 2/3 | 44.4s |
| #75 | Step 3.7 Flash high | Stepfun | 1 | 4.0 | $1.148 | 0/3 | 206.2s |
| #79 | Gemini 3.5 Flash none | 1 | 8.8 | $1.079 | 2/3 | 34.7s | |
| #10 | Gemini 3.1 Pro Preview medium | 1 | 7.9 | $1.054 | 2/3 | 40.2s | |
| #14 | Qwen3.6 Max Preview medium | Qwen | 1 | 8.8 | $0.960 | 2/3 | 146.5s |
| #53 | Grok Build 0.1 medium | X AI | 1 | 5.7 | $0.927 | 1/3 | 108.5s |
| #50 | GPT-5.6 Luna high | OpenAI | 2 | 5.5 | $0.924 | 1/3 | 15.6s |
| #29 | GPT-5.6 Terra high | OpenAI | 1 | 7.6 | $0.852 | 2/3 | 9.14s |
| #86 | Mimo V2 Omni medium | Xiaomi | 1 | 3.3 | $0.683 | 0/3 | 183.9s |
| #16 | Claude Opus 4.7 medium | Anthropic | 1 | 7.6 | $0.679 | 2/3 | 13.0s |
| #2 | Gemini 3 Flash Preview medium | 1 | 8.6 | $0.667 | 2/3 | 84.4s |