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। क्रमबद्ध करें: सही परीक्षण ↑.

दिखाए गए मॉडल

कुल विफलताएँ

सबसे अधिक प्रभावित मॉडल

Claude Sonnet 4.6 1

संबंधित विफलता कारण

गलत उत्तर98 समय समाप्त17 अतिरिक्त फॉर्मेटिंग3 API त्रुटि1 कोई उत्तर नहीं1

संबंधित श्रेणियाँ

एंटी-एआई ट्रिक्स8 डोमेन-विशिष्ट3 डेटा पार्सिंग और निष्कर्षण1 पहेली समाधान1

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

डोमेन-विशिष्ट

अतिरिक्त फॉर्मेटिंग

अतिरिक्त फॉर्मेटिंग संख्या के अनुसार शीर्ष मॉडल

अतिरिक्त फॉर्मेटिंग संख्या बनाम औसत स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल