सार्वजनिक डेटा को सही रखने में मदद करें
कुछ गायब, गलत या पुराना दिख रहा है? इस पेज के बारे में हमें बताएँ।
कुछ गायब, गलत या पुराना दिख रहा है? इस पेज के बारे में हमें बताएँ।
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Kimi K3 | 16 जुल॰ 2026 | 77.80% | KimiCode harness. | हाँ | स्रोत | |
| DeepSeek V4.1 Flash 1017 | 17 अक्टू॰ 2026 | 29.10% | ProgramBench. Developer-reported percentage score (0–100), higher is better. DeepSeek-V4.1-Flash-1017 model card, release 2026-10-17, accessed 2026-10-17. Reasoning effort and any unlisted evaluation settings are not specified by this card. | हाँ | स्रोत | |
| LongCat 2.5 | 02 नव॰ 2026 | 25.50% | Program Bench, Almost Resolved; Claude Code harness v2.1.280; thinking enabled, temperature 1.0, top_p 0.95 unless stated; Meituan-reported in the LongCat-2.5 launch blog (accessed 2026-11-02) | हाँ | स्रोत | |
| DeepSeek V4.1 Flash | 10 सित॰ 2026 | 20.30% | Instruct model; reasoning_effort=100; Almost@1 | हाँ | स्रोत | |
| LongCat 2.0 | 30 जून 2026 | 2.50% | Program Bench, Almost Resolved; Claude Code harness v2.1.280; thinking enabled, temperature 1.0, top_p 0.95 unless stated; Meituan-reported in the LongCat-2.5 launch blog (accessed 2026-11-02) | हाँ | स्रोत |
