AI BENCHY श्रेणी विफलताएँ

डोमेन-विशिष्ट

अतिरिक्त फॉर्मेटिंग

देखें कि डोमेन-विशिष्ट में किन AI मॉडलों में अतिरिक्त फॉर्मेटिंग आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें।

दिखाए गए मॉडल

कुल विफलताएँ

सबसे अधिक प्रभावित मॉडल

संबंधित विफलता कारण

गलत उत्तर98 समय समाप्त17 अतिरिक्त फॉर्मेटिंग3 API त्रुटि1 कोई उत्तर नहीं1

संबंधित श्रेणियाँ

रैंक	मॉडल	कंपनी	अतिरिक्त फॉर्मेटिंग संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#26	Claude Opus 4.6 medium	Anthropic	2	10.0	0/3	83.4s
#11	Claude Sonnet 4.6 medium	Anthropic	1	10.0	0/3	0ms

अतिरिक्त फॉर्मेटिंग संख्या के अनुसार शीर्ष मॉडल