AI BENCHY
তুলনা করুন চার্ট Poddhoti
❤️ Made by XCS
Your ad here

AI BENCHY ব্যর্থতা

নির্দেশনা অনুসরণ করা হয়নি ব্যর্থতা

দেখুন কোন AI মডেলগুলো সবচেয়ে বেশি নির্দেশনা অনুসরণ করা হয়নি সমস্যায় পড়ে, যাতে বেছে নেওয়ার আগে নির্ভরযোগ্যতার ঝুঁকি বুঝতে পারেন। সাজান: সঠিক টেস্ট ↑.

দেখানো মডেল

41

মোট ব্যর্থতা

77

সবচেয়ে বেশি প্রভাবিত মডেল

LFM2-24B-A2B 2
র‍্যাঙ্ক মডেল কোম্পানি নির্দেশনা অনুসরণ করা হয়নি সংখ্যা গড় স্কোর সঠিক টেস্ট প্রতিক্রিয়া সময় (গড়)
#55 LFM2-24B-A2B none Liquid 2 2.6 1/16 811ms
#50 Qwen3 Coder Next medium Qwen 5 3.5 3/16 12.5s
#53 Grok 4.1 Fast none X AI 2 2.9 3/16 1.90s
#54 MiMo-V2-Flash none Xiaomi 1 2.9 3/16 2.97s
#47 GPT-4o-mini none OpenAI 1 4.0 4/16 2.07s
#48 Qwen3 Coder Next none Qwen 1 4.0 4/16 11.7s
#49 GLM 4.7 Flash none Z.ai 2 3.9 4/16 2.99s
#51 Mercury 2 none Inception 1 3.4 4/16 596ms
#52 GLM 4.7 Flash medium Z.ai 2 3.1 4/16 36.8s
#41 Qwen3.5-27B none Qwen 2 4.9 5/16 1.75s
#43 MiniMax M2.5 medium Minimax 3 4.7 5/16 43.0s
#45 Trinity Large Preview none Arcee AI 2 4.2 5/16 3.15s
#38 Gemini 2.5 Flash none Google 1 5.2 6/16 923ms
#40 Qwen3.5-122B-A10B none Qwen 1 5.0 6/16 3.72s
#42 Qwen3.5-35B-A3B none Qwen 2 4.7 6/16 4.10s
#44 GPT-5.4 none OpenAI 1 4.5 6/16 1.48s
#34 GPT-5 Nano medium OpenAI 3 5.5 7/16 47.9s
#36 Mercury 2 medium Inception 4 5.3 7/16 2.36s
#37 Qwen3.5-Flash none Qwen 1 5.2 7/16 3.54s
#39 gpt-oss-120b medium OpenAI 4 5.1 7/16 16.7s
#32 GPT-5 Mini medium OpenAI 4 6.0 8/16 25.1s
#28 Kimi K2.5 medium Moonshot AI 2 6.4 9/16 69.8s
#30 Grok 4.1 Fast medium X AI 3 6.2 9/16 26.3s
#13 Step 3.5 Flash medium Stepfun 3 7.4 10/16 29.1s
#19 GPT-5.3 Chat none OpenAI 2 7.3 10/16 5.96s
#22 Gemini 3.1 Flash Lite Preview none Google 2 7.1 10/16 1.33s
#23 Seed-2.0-Mini medium Bytedance Seed 1 6.9 10/16 65.1s
#24 Qwen3.5-Flash medium Qwen 1 6.9 10/16 70.8s
#25 Claude Sonnet 4.6 none Anthropic 1 6.8 10/16 5.57s
#27 GPT-5.2 medium OpenAI 3 6.5 10/16 15.3s
#12 Gemini 3.1 Flash Lite Preview medium Google 1 7.5 11/16 3.83s
#14 GLM 5 medium Z.ai 1 7.4 11/16 16.2s
#15 GPT-5.2 Chat none OpenAI 1 7.4 11/16 7.03s
#16 Gemini 2.5 Flash medium Google 1 7.4 11/16 12.4s
#17 Gemini 3.1 Flash Lite Preview low Google 1 7.3 11/16 3.36s
#18 DeepSeek V3.2 medium DeepSeek 1 7.3 11/16 39.5s
#21 MiMo-V2-Flash medium Xiaomi 1 7.2 11/16 25.3s
#3 GPT-5.3-Codex medium OpenAI 2 8.4 12/16 16.6s
#7 Qwen3.5-27B medium Qwen 2 8.2 12/16 52.1s
#8 Gemini 3.1 Flash Lite Preview high Google 1 8.2 12/16 68.8s
#9 GPT-5.4 medium OpenAI 2 8.0 12/16 20.1s

নির্দেশনা অনুসরণ করা হয়নি সংখ্যা অনুযায়ী শীর্ষ মডেল

নির্দেশনা অনুসরণ করা হয়নি সংখ্যা বনাম গড় স্কোর

প্রতিক্রিয়া সময় (গড়) অনুযায়ী শীর্ষ মডেল