निर्देश पालन x समय समाप्त रैंकिंग

AI BENCHY श्रेणी विफलताएँ

देखें कि निर्देश पालन में किन AI मॉडलों में समय समाप्त 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

Qwen3.5-9B 1

विफलता के कारण

गलत उत्तर44 निर्देशों का पालन नहीं किया22 API त्रुटि1 समय समाप्त1

श्रेणियाँ

डोमेन-विशिष्ट31 कोडिंग12 पहेली समाधान6 Samanya Buddhimatta4 एंटी-एआई ट्रिक्स4 संयुक्त2 डेटा पार्सिंग और निष्कर्षण1 निर्देश पालन1

रैंक	मॉडल	कंपनी	समय समाप्त संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#97	Qwen3.5-9B medium	Qwen	1	6.4	1/2	17.1s

समय समाप्त संख्या के अनुसार शीर्ष मॉडल

समय समाप्त संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल

निर्देश पालन: समय समाप्त

समय समाप्त संख्या के अनुसार शीर्ष मॉडल

समय समाप्त संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल