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）
#406	Solar Decide default	Upstage	0.0	0.1	$0.009	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.009 响应时间（平均） 0ms
#407	Tev1 4B Experimental default	Togethercomputer	0.0	1.0	$0.002	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.002 响应时间（平均） 0ms
#408	Claude Opus 5.5 none	Anthropic	0.0	0.2	$0.015	0/0	0ms
总测试数 0 错误测试数 0 总成本 $0.015 响应时间（平均） 0ms

编程排名