निर्देश पालन मॉडल रैंकिंग

AI BENCHY श्रेणी

देखें कि निर्देश पालन में कौन से AI मॉडल सबसे अच्छा प्रदर्शन करते हैं, कौन से भरोसेमंद बने रहते हैं और सबसे बड़े अंतर कहाँ दिखाई देते हैं। क्रमबद्ध करें: प्रतिक्रिया समय (औसत) ↑.

दिखाए गए मॉडल

औसत निर्देश पालन स्कोर

8.5

सर्वश्रेष्ठ मॉडल

Granite 4.1 8B 3.6

विफलता के कारण

विफलता कारण गलत उत्तर के साथ53 विफलता कारण निर्देशों का पालन नहीं किया के साथ11 विफलता कारण अतिरिक्त फॉर्मेटिंग के साथ2 विफलता कारण कोई उत्तर नहीं के साथ2 विफलता कारण API त्रुटि के साथ1

रैंक	मॉडल	कंपनी	निर्देश पालन स्कोर	स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#143	MiMo-V2.5 none	Xiaomi	6.5	4.9	1/2	751ms
#160	LFM2-24B-A2B none	Liquid	6.3	4.2	1/2	752ms
#148	GPT-5.4 Nano none	OpenAI	6.3	4.7	1/2	784ms
#141	Nemotron 3 Super none	NVIDIA	6.3	4.9	1/2	804ms
#117	Qwen3.5-35B-A3B none	Qwen	6.3	5.6	1/2	809ms
#151	Trinity Large Preview none	Arcee AI	3.5	4.6	0/2	822ms
#152	MiMo-V2-Flash none	Xiaomi	6.5	4.6	1/2	857ms
#90	Gemini 3.1 Flash Lite none	Google	10.0	6.4	2/2	859ms
#122	GLM 4.7 Flash none	Z.ai	6.5	5.5	1/2	888ms
#32	Gemini 3.5 Flash minimal	Google	6.4	7.7	1/2	893ms
#88	Qwen3.7 Plus none	Qwen	6.3	6.4	1/2	929ms
#87	Gemini 3.1 Flash Lite minimal	Google	10.0	6.4	2/2	932ms
#34	Qwen3.7 Max none	Qwen	10.0	7.7	2/2	943ms
#136	Elephant Alpha medium	Openrouter	9.8	5.1	2/2	987ms
#123	MiMo-V2.5-Pro none	Xiaomi	6.4	5.5	1/2	1.03s

निर्देश पालन रैंकिंग

निर्देश पालन स्कोर के अनुसार शीर्ष मॉडल

निर्देश पालन स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल