पहेली समाधान x अतिरिक्त फॉर्मेटिंग रैंकिंग

AI BENCHY श्रेणी विफलताएँ

देखें कि पहेली समाधान 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

Claude Opus 4.8 1

विफलता के कारण

गलत उत्तर147 निर्देशों का पालन नहीं किया78 API त्रुटि13 अतिरिक्त फॉर्मेटिंग5 समय समाप्त5 कोई उत्तर नहीं1

श्रेणियाँ

एंटी-एआई ट्रिक्स14 डोमेन-विशिष्ट12 कोडिंग11 पहेली समाधान5 डेटा पार्सिंग और निष्कर्षण4 निर्देश पालन2

रैंक	मॉडल	कंपनी	अतिरिक्त फॉर्मेटिंग संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#68	Claude Opus 4.8 none	Anthropic	1	7.7	2/3	2.74s
#77	Claude Sonnet 4.6 none	Anthropic	1	7.7	2/3	2.53s
#113	DeepSeek V4 Pro none	DeepSeek	1	7.6	2/3	16.0s
#51	Mimo V2 PRO medium	Xiaomi	1	6.4	1/3	5.08s
#139	DeepSeek V4 Flash none	DeepSeek	1	3.1	0/3	23.7s

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

पहेली समाधान: 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