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: सही परीक्षण ↑.
विफलता के कारण
| रैंक | मॉडल | कंपनी | निर्देशों का पालन नहीं किया संख्या | श्रेणी स्कोर | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|
| #101 | Qwen3 Coder Next none | Qwen | 1 | 3.6 | 0/4 | 3.31s |
| #107 | Qwen3 Coder Next medium | Qwen | 1 | 3.5 | 0/4 | 8.64s |
| #111 | Grok 4.1 Fast none | X AI | 1 | 3.2 | 0/4 | 1.07s |
| #108 | HY3 Preview none | Tencent | 2 | 4.8 | 1/4 | 11.1s |
| #109 | GLM 4.7 Flash medium | Z.ai | 1 | 4.7 | 1/4 | 15.0s |
| #35 | Gemini 3.1 Flash Lite Preview none | 1 | 7.5 | 2/4 | 1.04s | |
| #38 | GLM 5V Turbo medium | Z.ai | 1 | 7.2 | 2/4 | 10.8s |
| #42 | Kimi K2.6 medium | Moonshot AI | 1 | 7.0 | 2/4 | 11.6s |
| #44 | GPT-5.3 Chat none | OpenAI | 1 | 6.7 | 2/4 | 3.86s |
| #48 | GPT-5.2 medium | OpenAI | 1 | 6.5 | 2/4 | 7.81s |
| #53 | GPT-5 Mini medium | OpenAI | 1 | 7.1 | 2/4 | 13.9s |
| #65 | Mercury 2 medium | Inception | 1 | 6.9 | 2/4 | 1.12s |
| #79 | gpt-oss-120b medium | OpenAI | 1 | 6.7 | 2/4 | 10.2s |
| #83 | MiniMax M2.5 medium | Minimax | 1 | 7.9 | 2/4 | 20.8s |
| #94 | MiniMax M2.7 medium | Minimax | 1 | 7.9 | 2/4 | 40.3s |