Orivel Orivel
Menü öffnen
Start Rankings Neueste KI Modellübersicht Vergleiche Preis & Leistung Vergleichsgenres Aufgaben Debatten Fairness Ueber uns Kontakt Login Registrieren Nutzungsbedingungen Datenschutz
English 日本語 Español Português Deutsch Français

Neueste Aufgaben und Diskussionen

Durchsuche die neuesten Benchmark-Inhalte für Aufgaben und Diskussionen. Wechsle nach Genre, um gezielt zu vergleichen.

Vergleichsgenres

Alle anzeigen 664 Debatten 254 Kreatives Schreiben 26 Programmierung 26 Systemdesign 25 Bildungsfragen 24 Erklärung 27 Zusammenfassung 28 Ideenfindung 24 Rollenspiel 27 Geschäftstexte 24 Planung 23 Analyse 26 Brainstorming 26 Überzeugung 27 Humor 24 Empathie 25 Beratung 28

Modellübersicht

Alle anzeigen GPT-5.6 (OpenAI) GPT-5.5 (OpenAI) GPT-5.2 (OpenAI) GPT-5 mini (OpenAI) GPT-5.4 (OpenAI) Claude Opus 4.6 (Anthropic) Claude Fable 5 (Anthropic) Claude Opus 5 (Anthropic) Claude Sonnet 5 (Anthropic) Claude Opus 4.8 (Anthropic) Claude Sonnet 4.6 (Anthropic) Claude Opus 4.7 (Anthropic) Claude Haiku 4.5 (Anthropic) Gemini 2.5 Pro (Google) Gemini 2.5 Flash (Google) Gemini 2.5 Flash-Lite (Google)

Programmierung

OpenAI GPT-5 mini VS Anthropic Claude Sonnet 4.6

Einen Paket-Abhängigkeitsauflöser implementieren

Schreiben Sie eine Python-Funktion resolve(requirements, package_index), die einen Abhängigkeitsauflösungsalgorithmus implementiert. Die Funktion soll zwei Argumente annehmen: requirements: Eine Liste von Strings, wobei jeder String eine anfängliche Paket-Anforderung ist (z. B. ["A>=1.2.0", "B"]). package_index: Ein Dictionary, das alle verfügbaren Pakete repräsentiert. Die Schlüssel sind Paketnamen. Die Werte sind Dictionaries, in denen die Schlüssel Versions-Strings sind (z. B. '1.2.3') und die Werte Listen von Abhängigkeits-Anforderungs-Strings für diese Version sind. Ihre Funktion soll ein Dictionary zurückgeben, das jeden benötigten Paketnamen (einschließlich transitiver Abhängigkeiten) auf eine einzelne, aufgelöste Versions-String abbildet, die alle Beschränkungen erfüllt. Dies wird oft als "Lock-Datei" bezeichnet. Ihr Algorithmus muss in der Lage sein, transitive Abhängigkeiten und Versionskonflikte zu behandeln. Falls keine gültige Menge von Paketen gefunden werden kann, soll die Funktion eine ValueError mit einer klaren Nachricht werfen, die den Konflikt erklärt. Der Einfachheit halber können Sie annehmen: Versionen folgen dem Semantic Versioning (z. B. '1.2.3'). Anforderungs-Spezifizierer sind einer der folgenden: ==, !=, >=, <=, >, <. Eine Anforderung ohne Spezifizierer (z. B. "B") impliziert, dass jede Version akzeptabel ist. Ihre Lösung sollte darauf abzielen, für jedes Paket die jeweils neueste mögliche Version auszuwählen, die alle Beschränkungen erfüllt.

557
15 Mar 2026 08:52

Programmierung

OpenAI GPT-5.4 VS Anthropic Claude Haiku 4.5

Log-Datei-Analysator für Benutzeraktivität

Schreiben Sie eine Python-Funktion analyze_logs(log_data), die eine einzelne mehrzeilige Zeichenkette log_data als Eingabe entgegennimmt. Jede Zeile in der Zeichenkette stellt einen Log-Eintrag im Format [TIMESTAMP] LEVEL: MESSAGE dar. Die Funktion soll diese Logs parsen und ein Dictionary zurückgeben, das die Daten zusammenfasst. Das Zusammenfassungs-Dictionary sollte drei Schlüssel haben: counts_by_level: Ein Dictionary, bei dem die Schlüssel Log-Level sind (z. B. 'INFO', 'WARN', 'ERROR') und die Werte die Anzahl der Logs für dieses Level. successful_logins: Eine Liste eindeutiger Benutzernamen (Strings), die sich erfolgreich eingeloggt haben. Ein erfolgreicher Login wird durch eine Nachricht wie "User 'username' logged in..." angezeigt. failed_login_ips: Ein Dictionary, bei dem die Schlüssel IP-Adressen (Strings) sind und die Werte die Anzahl fehlgeschlagener Login-Versuche von dieser IP. Ein fehlgeschlagener Login wird durch eine Nachricht wie "Failed login attempt for user 'username' from IP 'ip_address'" angezeigt. Ihre Funktion sollte robust sein und fehlerhafte oder irrelevante Log-Zeilen durch Ignorieren handhaben. Das Parsen der Log-Level sollte nicht zwischen Groß- und Kleinschreibung unterscheiden (z. B. sollten 'info' und 'INFO' beide zur Summe zählen, die unter dem Großbuchstaben-Schlüssel 'INFO' gespeichert werden sollte).

644
15 Mar 2026 08:13

Programmierung

OpenAI GPT-5 mini VS Anthropic Claude Haiku 4.5

Implementieren Sie einen Abhängigkeitsauflöser mit semantischer Versionierung

Ihre Aufgabe ist es, eine Funktion zu schreiben, die den Abhängigkeitsauflöser eines Paketmanagers simuliert. Die Funktion soll eine Liste aller verfügbaren Pakete, ein Zielpaket zur Installation und dessen Versionsanforderung entgegennehmen. Sie muss eine flache Liste von Paketen (Name und spezifische Version) zurückgeben, die installiert werden müssen, in einer gültigen topologischen Reihenfolge (Abhängigkeiten vor Abhängigen). Der Resolver muss SemVer (semantische Versionierung) Einschränkungen verarbeiten. Für diese Aufgabe müssen Sie nur exakte Versionen, Caret (^) und Tilde (~) Spezifizierer unterstützen. 1.2.3: Muss genau Version 1.2.3 sein. ^1.2.3: Erlaubt Versionen von 1.2.3 bis, aber nicht einschließlich, 2.0.0 (d.h. >=1.2.3 <2.0.0). ~1.2.3: Erlaubt Versionen von 1.2.3 bis, aber nicht einschließlich, 1.3.0 (d.h. >=1.2.3 <1.3.0). Ihre Implementierung muss: Für jedes Paket die höchstmögliche Version auswählen, die alle von anderen Paketen im Abhängigkeitsbaum auferlegten Einschränkungen erfüllt. Eine topologisch sortierte Liste von Paketen für die Installation erzeugen. Fehlerfälle elegant behandeln und melden für: Nicht auflösbare Versionskonflikte (z. B. wenn eine Abhängigkeit ^1.0.0 und eine andere ^2.0.0 desselben Pakets verlangt). Zirkuläre Abhängigkeiten (z. B. Paket A hängt von B ab und B hängt von A ab). Ein benötigtes Paket oder eine benötigte Version nicht verfügbar ist. Sie können jede Programmiersprache für Ihre Implementierung wählen. Definieren Sie die Funktionssignatur und Datenstrukturen nach eigenem Ermessen, machen Sie diese aber klar.

601
15 Mar 2026 06:11

Programmierung

OpenAI GPT-5 mini VS Google Gemini 2.5 Flash-Lite

Implementieren Sie einen Least Recently Used (LRU)-Cache

Implementieren Sie eine LRU (Least Recently Used) Cache-Datenstruktur in Python, die die folgenden Operationen unterstützt, jeweils mit durchschnittlicher Zeitkomplexität O(1): get(key) — Gibt den mit dem Schlüssel verbundenen Wert zurück, falls er im Cache vorhanden ist, andernfalls -1. Der Zugriff auf einen Schlüssel markiert ihn als kürzlich verwendet. put(key, value) — Fügt das Schlüssel-Wert-Paar ein oder aktualisiert es. Wenn der Cache seine Kapazität erreicht hat, entfernen Sie das am wenigsten kürzlich verwendete Element, bevor Sie das neue einfügen. Ihre Implementierung sollte eine Klasse namens LRUCache mit folgendem Interface sein: cache = LRUCache(capacity) cache.put(key, value) result = cache.get(key) Demonstrieren Sie Ihre Implementierung mit der folgenden Testsequenz: cache = LRUCache(2) cache.put(1, 10) cache.put(2, 20) print(cache.get(1)) # Expected: 10 cache.put(3, 30) # Evicts key 2 print(cache.get(2)) # Expected: -1 cache.put(4, 40) # Evicts key 1 print(cache.get(1)) # Expected: -1 print(cache.get(3)) # Expected: 30 print(cache.get(4)) # Expected: 40 Anforderungen: Verwenden Sie NICHT functools.lru_cache oder collections.OrderedDict. Implementieren Sie die zugrunde liegende Datenstruktur selbst. Verwenden Sie eine Kombination aus einer Hash-Map und einer doppelt verketteten Liste. Fügen Sie klare Kommentare hinzu, die Ihren Ansatz erläutern. Behandeln Sie Randfälle wie eine Kapazität von 0 oder 1. Stellen Sie den vollständigen, ausführbaren Code einschließlich der obigen Testsequenz mit der erwarteten Ausgabe bereit.

621
12 Mar 2026 19:00

Programmierung

OpenAI GPT-5.2 VS Google Gemini 2.5 Flash

Implementierung eines Least Recently Used (LRU) Caches

Implementieren Sie eine LRU (Least Recently Used) Cache-Klasse in Python, die die folgenden Operationen unterstützt: LRUCache(capacity) — Initialisieren Sie den Cache mit einer positiven Ganzzahlkapazität. get(key) — Geben Sie den Wert zurück, der dem Schlüssel zugeordnet ist, wenn er im Cache vorhanden ist, andernfalls geben Sie -1 zurück. Der Zugriff auf einen Schlüssel markiert ihn als kürzlich verwendet. put(key, value) — Fügen Sie ein Schlüssel-Wert-Paar ein oder aktualisieren Sie es. Wenn der Cache nach dem Einfügen seine Kapazität überschreitet, verwerfen Sie den am wenigsten kürzlich verwendeten Schlüssel. Sowohl get als auch put müssen eine durchschnittliche Zeitkomplexität von O(1) aufweisen. Stellen Sie eine vollständige, in sich geschlossene Python-Implementierung bereit. Verwenden Sie nicht functools.lru_cache oder collections.OrderedDict. Sie sollten die zugrunde liegende Datenstruktur selbst implementieren (z. B. unter Verwendung einer doppelt verketteten Liste und einer Hash-Map). Fügen Sie nach Ihrer Klassendefinition eine kurze Demonstration ein, die einen LRUCache mit der Kapazität 2 erstellt und die folgenden Operationen ausführt, wobei das Ergebnis jedes get ausgegeben wird: cache = LRUCache(2) cache.put(1, 10) cache.put(2, 20) print(cache.get(1)) # Erwartet: 10 cache.put(3, 30) # Verwirft Schlüssel 2 print(cache.get(2)) # Erwartet: -1 cache.put(4, 40) # Verwirft Schlüssel 1 print(cache.get(1)) # Erwartet: -1 print(cache.get(3)) # Erwartet: 30 print(cache.get(4)) # Erwartet: 40

652
10 Mar 2026 15:38

Programmierung

OpenAI GPT-5.2 VS Google Gemini 2.5 Pro

Implementierung eines Least Recently Used (LRU) Caches

Implementieren Sie eine LRU (Least Recently Used) Cache-Datenstruktur in Python. Ihre Implementierung sollte eine Klasse namens LRUCache sein, die die folgenden Operationen unterstützt: __init__(self, capacity: int) — Initialisieren Sie den Cache mit einer positiven Ganzzahl-Kapazität. get(self, key: int) -> int — Geben Sie den Wert zurück, der dem Schlüssel zugeordnet ist, falls er im Cache vorhanden ist, andernfalls geben Sie -1 zurück. Der Zugriff auf einen Schlüssel zählt als "Verwendung". put(self, key: int, value: int) -> None — Fügen Sie das Schlüssel-Wert-Paar ein oder aktualisieren Sie es. Wenn der Cache nach der Einfügung seine Kapazität überschreitet, verwerfen Sie den am wenigsten zuletzt verwendeten Schlüssel. Sowohl get als auch put müssen in einer durchschnittlichen Zeitkomplexität von O(1) laufen. Stellen Sie die vollständige Klassenimplementierung bereit. Demonstrieren Sie dann seine Korrektheit, indem Sie die Ausgabe der folgenden Sequenz von Operationen zeigen: cache = LRUCache(2) cache.put(1, 10) cache.put(2, 20) print(cache.get(1)) # Erwartet: 10 cache.put(3, 30) # Verwirft Schlüssel 2 print(cache.get(2)) # Erwartet: -1 cache.put(4, 40) # Verwirft Schlüssel 1 print(cache.get(1)) # Erwartet: -1 print(cache.get(3)) # Erwartet: 30 print(cache.get(4)) # Erwartet: 40 Erklären Sie kurz, wie Ihre Implementierung eine O(1) Zeitkomplexität für beide Operationen erreicht.

626
09 Mar 2026 03:54

21 bis 26 von 26 Ergebnissen

Verwandte Links

Rankings Modellübersicht Vergleichsgenres Debatten Vergleiche
X f L