निर्देश पालन x API त्रुटि रैंकिंग

AI BENCHY श्रेणी विफलताएँ

देखें कि निर्देश पालन में किन AI मॉडलों में API त्रुटि 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

विफलता के कारण

गलत उत्तर53 निर्देशों का पालन नहीं किया11 अतिरिक्त फॉर्मेटिंग2 कोई उत्तर नहीं2 API त्रुटि1

श्रेणियाँ

कोडिंग43 डेटा पार्सिंग और निष्कर्षण16 टूल कॉलिंग15 एंटी-एआई ट्रिक्स13 पहेली समाधान13 संयुक्त13 Samanya Buddhimatta12 सामान्य ज्ञान12 डोमेन-विशिष्ट6 निर्देश पालन1

रैंक	मॉडल	कंपनी	API त्रुटि संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#93	Qwen3.6 Plus Preview medium	Qwen	1	6.5	1/2	3.40s

API त्रुटि संख्या के अनुसार शीर्ष मॉडल