AI BENCHY
Advertise here

निर्देश पालन रैंकिंग

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: सही परीक्षण ↓.

दिखाए गए मॉडल

15

औसत निर्देश पालन स्कोर

8.5

सर्वश्रेष्ठ मॉडल

Gemini 3.6 Flash 10.0

विफलता के कारण

विफलता कारण गलत उत्तर के साथ82 विफलता कारण निर्देशों का पालन नहीं किया के साथ48 विफलता कारण अतिरिक्त फॉर्मेटिंग के साथ7 विफलता कारण समय समाप्त के साथ5 विफलता कारण API त्रुटि के साथ2 विफलता कारण कोई उत्तर नहीं के साथ2
316/316
रैंक मॉडल कंपनी निर्देश पालन स्कोर स्कोर कुल लागत सही परीक्षण प्रतिक्रिया समय (औसत)

निर्देश पालन स्कोर के अनुसार शीर्ष मॉडल

निर्देश पालन स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल