AI BENCHY বিভাগীয় ব্যর্থতা
অ্যান্টি-এআই কৌশল: নির্দেশনা অনুসরণ করা হয়নি
অ্যান্টি-এআই কৌশল
নির্দেশনা অনুসরণ করা হয়নি
দেখুন অ্যান্টি-এআই কৌশল এ কোন AI মডেলগুলোর নির্দেশনা অনুসরণ করা হয়নি হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়। সাজান: ব্যর্থতার সংখ্যা ↑.
ব্যর্থতার কারণ
29/29
মডেল ফিল্টার করুন
বর্তমান অনুসন্ধান ও ফিল্টারের সাথে কোনো মডেল মেলেনি।
| র্যাঙ্ক | মডেল | কোম্পানি | নির্দেশনা অনুসরণ করা হয়নি সংখ্যা | বিভাগ স্কোর | মোট খরচ | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|
| #16 | GPT-5 Mini medium | OpenAI | 1 | 7.1 | $0.159 | 2/4 | 13.9s |
| #20 | Step 3.7 Flash medium | Stepfun | 1 | 8.7 | $0.376 | 3/4 | 9.65s |
| #22 | GPT-5.2 medium | OpenAI | 1 | 6.5 | $0.548 | 2/4 | 7.81s |
| #32 | Gemini 3.1 Flash Lite Preview medium | 1 | 9.1 | $0.068 | 3/4 | 2.33s | |
| #34 | Gemini 3.1 Flash Lite medium | 1 | 9.1 | $0.071 | 3/4 | 2.39s | |
| #35 | Kimi K2.6 medium | Moonshot AI | 1 | 7.0 | $0.889 | 2/4 | 11.6s |
| #40 | MiniMax M3 medium | Minimax | 1 | 5.5 | $0.131 | 1/4 | 14.9s |
| #44 | Mercury 2 medium | Inception | 1 | 6.9 | $0.058 | 2/4 | 1.12s |
| #45 | GPT-5.3 Chat none | OpenAI | 1 | 6.7 | $0.433 | 2/4 | 3.86s |
| #56 | GLM 5V Turbo medium | Z.ai | 1 | 7.2 | $0.457 | 2/4 | 10.8s |
| #58 | DeepSeek V4 Pro none | DeepSeek | 1 | 3.2 | $0.034 | 0/4 | 4.02s |
| #78 | gpt-oss-120b medium | OpenAI | 1 | 6.7 | $0.013 | 2/4 | 10.2s |
| #84 | Gemini 3.1 Flash Lite Preview none | 1 | 7.5 | $0.018 | 2/4 | 1.04s | |
| #110 | Owl Alpha none | Openrouter | 1 | 3.4 | $0.000 | 0/4 | 2.78s |
| #114 | Mimo V2 Omni none | Xiaomi | 1 | 3.6 | $0.021 | 0/4 | 1.63s |