编程模型排名

看看哪些 AI 模型在编程上表现最好，哪些更稳定，以及差距主要出现在哪里。排序方式: 响应时间（平均） ↑.

显示的模型数

编程得分平均值

0.6

最佳模型

失败原因

失败原因为答案错误456 失败原因为 API 错误64 失败原因为无答案47 失败原因为未遵循指令44 失败原因为额外格式36 失败原因为超时24

408/408

排名	模型	公司	编程得分	分数	总成本	测试正确	响应时间（平均）
#146	LongCat 2.0 high	Meituan	0.8	0.7	$0.778	2/3	505.3s
总测试数 3 错误测试数 1 总成本 $0.778 响应时间（平均） 505.3s
#340	Granite 4.2 8B high	IBM Granite	0.4	0.5	$0.111	0/3	515.3s
总测试数 3 错误测试数 3 总成本 $0.111 响应时间（平均） 515.3s
#130	Mistral Large 4 high	Mistral	0.3	0.8	$1.391	0/3	1277.8s
总测试数 3 错误测试数 3 总成本 $1.391 响应时间（平均） 1277.8s

编程排名