निर्देश पालन x कोई उत्तर नहीं रैंकिंग

AI BENCHY श्रेणी विफलताएँ

देखें कि निर्देश पालन में किन AI मॉडलों में कोई उत्तर नहीं आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें। क्रमबद्ध करें: विफलता संख्या ↑.

दिखाए गए मॉडल

कुल विफलताएँ

सबसे अधिक प्रभावित मॉडल

Gemini 3.1 Flash Lite 1

विफलता के कारण

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

श्रेणियाँ

कोडिंग18 सामान्य ज्ञान6 डेटा पार्सिंग और निष्कर्षण5 डोमेन-विशिष्ट5 एंटी-एआई ट्रिक्स2 टूल कॉलिंग2 निर्देश पालन2 संयुक्त2 पहेली समाधान1

रैंक	मॉडल	कंपनी	कोई उत्तर नहीं संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#53	Gemini 3.1 Flash Lite high	Google	1	7.3	1/2	23.3s
#161	Qwen3.5-9B medium	Qwen	1	6.5	1/2	5.75s

कोई उत्तर नहीं संख्या के अनुसार शीर्ष मॉडल

कोई उत्तर नहीं संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल

निर्देश पालन: कोई उत्तर नहीं

कोई उत्तर नहीं संख्या के अनुसार शीर्ष मॉडल

कोई उत्तर नहीं संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल