AI BENCHY श्रेणी विफलताएँ
एंटी-एआई ट्रिक्स: निर्देशों का पालन नहीं किया
एंटी-एआई ट्रिक्स
निर्देशों का पालन नहीं किया
देखें कि एंटी-एआई ट्रिक्स में किन AI मॉडलों में निर्देशों का पालन नहीं किया आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें। क्रमबद्ध करें: प्रतिक्रिया समय (औसत) ↑.
विफलता के कारण
29/29
मॉडल फ़िल्टर करें
मौजूदा खोज और फ़िल्टर से कोई मॉडल मेल नहीं खाता।
| रैंक | मॉडल | कंपनी | निर्देशों का पालन नहीं किया संख्या | श्रेणी स्कोर | कुल लागत | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|
| #162 | Laguna Xs.2 none | Poolside | 1 | 3.0 | $0.000 | 0/4 | 534ms |
| #163 | Granite 4.1 8B none | IBM Granite | 1 | 4.9 | $0.003 | 1/4 | 844ms |
| #152 | Elephant Alpha none | Openrouter | 1 | 6.6 | $0.000 | 2/4 | 963ms |
| #84 | Gemini 3.1 Flash Lite Preview none | 1 | 7.5 | $0.018 | 2/4 | 1.04s | |
| #161 | Grok 4.1 Fast none | X AI | 1 | 3.2 | $0.008 | 0/4 | 1.07s |
| #44 | Mercury 2 medium | Inception | 1 | 6.9 | $0.058 | 2/4 | 1.12s |
| #114 | Mimo V2 Omni none | Xiaomi | 1 | 3.6 | $0.021 | 0/4 | 1.63s |
| #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 | |
| #119 | MiMo-V2.5-Pro none | Xiaomi | 1 | 3.3 | $0.017 | 0/4 | 2.67s |
| #110 | Owl Alpha none | Openrouter | 1 | 3.4 | $0.000 | 0/4 | 2.78s |
| #130 | Qwen3 Coder Next none | Qwen | 1 | 3.6 | $0.009 | 0/4 | 3.31s |
| #45 | GPT-5.3 Chat none | OpenAI | 1 | 6.7 | $0.433 | 2/4 | 3.86s |
| #58 | DeepSeek V4 Pro none | DeepSeek | 1 | 3.2 | $0.034 | 0/4 | 4.02s |
| #22 | GPT-5.2 medium | OpenAI | 1 | 6.5 | $0.548 | 2/4 | 7.81s |