डोमेन-विशिष्ट x निर्देशों का पालन नहीं किया रैंकिंग

AI BENCHY श्रेणी विफलताएँ

देखें कि डोमेन-विशिष्ट 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 ↑.

दिखाए गए मॉडल

कुल विफलताएँ

सबसे अधिक प्रभावित मॉडल

Grok Build 0.1 1

विफलता के कारण

गलत उत्तर298 समय समाप्त31 अतिरिक्त फॉर्मेटिंग12 कोई उत्तर नहीं4 API त्रुटि3 निर्देशों का पालन नहीं किया1

श्रेणियाँ

पहेली समाधान84 Samanya Buddhimatta74 एंटी-एआई ट्रिक्स29 कोडिंग16 निर्देश पालन14 टूल कॉलिंग6 डोमेन-विशिष्ट1 संयुक्त1

रैंक	मॉडल	कंपनी	निर्देशों का पालन नहीं किया संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#82	Grok Build 0.1 none	X AI	1	3.6	0/3	103.7s

निर्देशों का पालन नहीं किया संख्या के अनुसार शीर्ष मॉडल

निर्देशों का पालन नहीं किया संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल

डोमेन-विशिष्ट: निर्देशों का पालन नहीं किया

निर्देशों का पालन नहीं किया संख्या के अनुसार शीर्ष मॉडल

निर्देशों का पालन नहीं किया संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल