निर्देश पालन x अतिरिक्त फॉर्मेटिंग रैंकिंग

AI BENCHY श्रेणी विफलताएँ

देखें कि निर्देश पालन 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

DeepSeek V4 Flash 1

विफलता के कारण

गलत उत्तर49 निर्देशों का पालन नहीं किया23 अतिरिक्त फॉर्मेटिंग2 API त्रुटि1 समय समाप्त1

श्रेणियाँ

एंटी-एआई ट्रिक्स12 डोमेन-विशिष्ट11 डेटा पार्सिंग और निष्कर्षण4 पहेली समाधान4 निर्देश पालन2

रैंक	मॉडल	कंपनी	अतिरिक्त फॉर्मेटिंग संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#92	DeepSeek V4 Flash none	DeepSeek	1	6.5	1/2	17.5s
#108	HY3 Preview none	Tencent	1	6.3	1/2	13.0s

अतिरिक्त फॉर्मेटिंग संख्या के अनुसार शीर्ष मॉडल

अतिरिक्त फॉर्मेटिंग संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल

निर्देश पालन: अतिरिक्त फॉर्मेटिंग

अतिरिक्त फॉर्मेटिंग संख्या के अनुसार शीर्ष मॉडल

अतिरिक्त फॉर्मेटिंग संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल