Yapbil Benchmark · Coding Bench

Hangi iş için hangi model?

Aşağıdaki sayılar tek denemeden ön bulgudur (n=1). Hüküm sütunu "kesin" demek için görev başına en az 3 tekrar bekler.

240
koşu paydada
121
hücre ölçüldü
240
hücre toplam
34
hücre hüküm veriyor
11
model

Hangi iş → hangi model?

n=1

Her iş türü için en ucuz yeterli model: yeterli = geçme %≥80; aralarında en düşük maliyet, eşitlikte en kısa süre. EVREN modellerinin maliyeti ölçülmediği için ücretsiz sayılmaz ve seçilemez. 10 türde seçim var, 1 türde veri yetersiz.

  • Arayüzclaude-sonnet-5-5%100,0 · 0,08 USD · 1 görev
  • Çoklu dosya değişikliğiclaude-haiku-5-5%100,0 · <0,01 USD · 3 görev
  • Hata düzeltmeclaude-haiku-5-5%100,0 · <0,01 USD · 7 görev
  • Kaynak raporveri yetersizbu turde gecerli kosu yok: veri yetersiz
  • Özellik uygulamaclaude-haiku-5-5%100,0 · <0,01 USD · 4 görev
  • Yeniden düzenlemeclaude-haiku-5-5%100,0 · 0,01 USD · 3 görev
  • Shell ve devopsclaude-haiku-5-5%100,0 · 0,02 USD · 3 görev
  • Test yazmaclaude-sonnet-5-5%100,0 · 0,21 USD · 1 görev
  • Türkçe yönergeclaude-haiku-5-5%100,0 · <0,01 USD · 3 görev
  • Uzun bağlamclaude-haiku-5-5%100,0 · <0,01 USD · 3 görev
  • Veri ve dosya akışıclaude-haiku-5-5%100,0 · <0,01 USD · 4 görev

Model verim envanterinin tamamı

Model kıyası

14 model ve effort · 239 koşu

Her görev model ve effort başına 1 kez koşuldu (n=1); tekrar koşuları geldikçe güncellenir. Satırlar geçme yüzdesine, eşitlikte ortalama süreye göre sıralı. Görev sütunu o modelin koştuğu görev sayısını, katalogdaki toplam 36 çekirdek görevden gösterir; modellerin görev kümesi eşit değil. Ortak yüzde, tüm satırların koştuğu 2 görevdeki geçme oranıdır.

Tablo yatay kaydırılır.

Model ve effort başına görev sayısı, geçti, geçme yüzdesi, ortalama süre, ortalama çıktı tokeni ve koşu başı maliyet
ModelEffortGörevGeçtiGeçme %Ort. süreOrt. çıktı tokenMaliyet (USD, koşu başı)Hüküm
claude-sonnet-5-5high12/3612/12%100,0ortak: %100,0 (2)38,4 sn5.1340,10ön bulgu (n=1)
claude-opus-5-5low12/3612/12%100,0ortak: %100,0 (2)38,6 sn3.2290,14ön bulgu (n=1)
claude-opus-5-5medium12/3612/12%100,0ortak: %100,0 (2)47,6 sn4.3030,18ön bulgu (n=1)
claude-fable-5-2high11/3611/11%100,0ortak: %100,0 (2)1,1 dk6.3040,47ön bulgu (n=1)
claude-opus-5-5high36/3636/36%100,0ortak: %100,0 (2)1,2 dk6.8240,22ön bulgu (n=1)
claude-fable-5-2max3/363/3%100,0ortak: %100,0 (2)1,7 dk10.0190,67ön bulgu (n=1)
claude-opus-5-5max20/3620/20%100,0ortak: %100,0 (2)3,5 dk22.2680,64ön bulgu (n=1)
claude-haiku-5-5varsayılan36/3634/36%94,4ortak: %100,0 (2)41,7 sn9.078<0,01ön bulgu (n=1)
claude-sonnet-5-5medium36/3632/36%88,9ortak: %50,0 (2)31,3 sn4.1710,07ön bulgu (n=1)
deepseek-v4.1-flashtek ayar14/3612/14%85,7ortak: %100,0 (2)5,5 dk6.659ölçülmediön bulgu (n=1)
qwen3.8-flash-nexttek ayar14/3612/14%85,7ortak: %100,0 (2)9,1 dk15.557ölçülmediön bulgu (n=1)
claude-sonnet-5-5low12/3610/12%83,3ortak: %50,0 (2)25,7 sn3.3220,08ön bulgu (n=1)
glm-5.3tek ayar6/364/6%66,7ortak: %100,0 (2)19,2 dk6.061ölçülmediön bulgu (n=1)
gemma-4-31btek ayar15/365/15%33,3ortak: %50,0 (2)7,3 dk7.827ölçülmediön bulgu (n=1)
agytek ayarölçülmedi: agy: koşucu yok, kota takvimi 21 Kas–
gpt-6-astrahighölçülmedi: koşulmadı (takvimde hazır)–
gpt-6-astralowölçülmedi: koşulmadı (takvimde hazır)–
gpt-6-astramediumölçülmedi: koşulmadı (takvimde hazır)–
gpt-6-astraxhighölçülmedi: koşulmadı (takvimde hazır)–
gpt-6.1-solhighölçülmedi: koşulmadı (takvimde hazır)–
gpt-6.1-sollowölçülmedi: koşulmadı (takvimde hazır)–
gpt-6.1-solmediumölçülmedi: koşulmadı (takvimde hazır)–
gpt-6.1-solxhighölçülmedi: koşulmadı (takvimde hazır)–

Maliyet koşu başı ortalama ve API liste fiyatı eşdeğeridir (abonelik faturası değil); EVREN ücretsiz katmanda, fiyatı tanımsız olduğundan ölçülmedi yazılır. Aynı görevin ilk geçerli denemesi sayılır; 1 sonraki tekrar bu tabloya girmedi. rate_limit ve altyapı hatası veren koşular paydaya girmez. Veri: 21 Kasım 2026 01:36 · 286 koşu satırı.

İş türüne göre öneri (n=1)

kısmen
İş türüne göre önerilen model, effort, geçme yüzdesi ve hüküm (n=1)
İş türüÖnerilenEffortGeçme %Hüküm
ArayüzFark yok: 10 aday %100,0 (n=1)fark yok–%100,0

Fark yok (n=1): 10 aday aynı yüzdede. En hızlı: claude-sonnet-5-5 low (23,7 sn), claude-sonnet-5-5 high (29,1 sn), claude-opus-5-5 low (33,8 sn).

Çoklu dosya değişikliğiFark yok: 11 aday %100,0 (n=1)fark yok–%100,0

Fark yok (n=1): 11 aday aynı yüzdede. En hızlı: claude-sonnet-5-5 low (20,3 sn), claude-opus-5-5 low (21,8 sn), claude-sonnet-5-5 high (22 sn).

Hata düzeltmeFark yok: 12 aday %100,0 (n=1)fark yok–%100,0

Fark yok (n=1): 12 aday aynı yüzdede. En hızlı: claude-haiku-5-5 varsayılan (10,5 sn), claude-sonnet-5-5 high (13 sn), claude-opus-5-5 low (21,4 sn).

Özellik uygulamaFark yok: 10 aday %100,0 (n=1)fark yok–%100,0

Fark yok (n=1): 10 aday aynı yüzdede. En hızlı: claude-sonnet-5-5 low (11,6 sn), claude-sonnet-5-5 high (17,6 sn), claude-haiku-5-5 varsayılan (20,6 sn).

Yeniden düzenlemeFark yok: 9 aday %100,0 (n=1)fark yok–%100,0

Fark yok (n=1): 9 aday aynı yüzdede. En hızlı: claude-sonnet-5-5 low (42,3 sn), claude-sonnet-5-5 high (45,7 sn), claude-haiku-5-5 varsayılan (1,2 dk).

Shell ve devopsFark yok: 8 aday %100,0 (n=1)fark yok–%100,0

Fark yok (n=1): 8 aday aynı yüzdede. En hızlı: claude-opus-5-5 low (1,2 dk), claude-sonnet-5-5 high (1,5 dk), claude-haiku-5-5 varsayılan (1,7 dk).

Test yazmaFark yok: 6 aday %100,0 (n=1)fark yok–%100,0

Fark yok (n=1): 6 aday aynı yüzdede. En hızlı: claude-sonnet-5-5 low (1,2 dk), claude-opus-5-5 low (1,8 dk), claude-sonnet-5-5 medium (1,8 dk).

Türkçe yönergeFark yok: 9 aday %100,0 (n=1)fark yok–%100,0

Fark yok (n=1): 9 aday aynı yüzdede. En hızlı: claude-sonnet-5-5 medium (16,3 sn), claude-sonnet-5-5 low (16,7 sn), claude-opus-5-5 medium (19,5 sn).

Uzun bağlamFark yok: 12 aday %100,0 (n=1)fark yok–%100,0

Fark yok (n=1): 12 aday aynı yüzdede. En hızlı: claude-opus-5-5 low (12,8 sn), claude-sonnet-5-5 low (14,5 sn), claude-sonnet-5-5 high (18 sn).

Veri ve dosya akışıFark yok: 13 aday %100,0 (n=1)fark yok–%100,0

Fark yok (n=1): 13 aday aynı yüzdede. En hızlı: claude-sonnet-5-5 medium (19,9 sn), claude-haiku-5-5 varsayılan (20,2 sn), claude-sonnet-5-5 high (20,6 sn).

Kaynak raporÖnerilen: ölçülmediölçülmedi––

ölçülmedi: bu turde gecerli kosu yok

Isı haritasının tamamıNasıl sıralandı?