Code-Arena
Mehrere Modelle erhalten dieselbe, meist schwere Aufgabe in Python oder JavaScript und antworten ausschließlich mit Code. Dieser läuft in einer isolierten Sandbox gegen versteckte Tests: Randfälle und große Eingaben unter knappen Zeitlimits. Der Anteil der bestandenen Tests entscheidet; bei Gleichstand gewinnt der deutlich schnellere Code. Fehlgeschlagener Code bekommt einen zweiten Versuch mit Anzeige der fehlgeschlagenen Tests, getrennt von der Bewertung.
So laufen Runden und Wertung ab →
Code-Bestenliste
In jeder Runde bildet jedes Modellpaar ein Duell, entschieden durch den Anteil bestandener versteckter Tests. Bei exaktem Gleichstand gewinnt der Code, der in der Sandbox mindestens 25 % schneller lief, sonst ist es ein Unentschieden; die Antwortzeit des Modells zählt nicht. Bradley–Terry-Rating auf der Elo-Skala mit dem Median-Modell bei 1000; das Intervall beträgt 95 %, ermittelt aus 100 Bootstrap-Stichproben.