AI BENCHY
Your ad here

AI BENCHY श्रेणी

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

8.0

सर्वश्रेष्ठ मॉडल

Gemini 3 Flash Preview 10.0

विफलता के कारण

विफलता कारण गलत उत्तर के साथ44 विफलता कारण निर्देशों का पालन नहीं किया के साथ22 विफलता कारण API त्रुटि के साथ1 विफलता कारण समय समाप्त के साथ1
रैंक मॉडल कंपनी निर्देश पालन स्कोर स्कोर सही परीक्षण प्रतिक्रिया समय (औसत)
#1 Gemini 3 Flash Preview medium Google 10.0 10.0 2/2 6.10s
#2 Gemini 3.1 Pro Preview medium Google 10.0 9.6 2/2 9.56s
#3 Claude Opus 4.7 medium Anthropic 10.0 9.2 2/2 1.57s
#4 Claude Opus 4.7 none Anthropic 10.0 9.2 2/2 1.46s
#5 Gemini 3 Flash Preview low Google 9.9 8.8 2/2 7.02s
#6 Seed-2.0-Lite medium Bytedance Seed 10.0 8.6 2/2 7.26s
#7 GPT-5.3-Codex medium OpenAI 10.0 8.6 2/2 3.04s
#8 Qwen3.5 Plus 2026-02-15 medium Qwen 10.0 8.5 2/2 31.9s
#9 Qwen3.6 Plus Preview medium Qwen 10.0 8.5 2/2 7.54s
#10 Qwen3.5-27B medium Qwen 10.0 8.4 2/2 19.7s
#12 Gemini 3 PRO Preview medium Google 9.8 8.4 2/2 3.26s
#13 GLM 5 medium Z.ai 10.0 8.4 2/2 7.25s
#14 Gemma 4 31B medium Google 10.0 8.3 2/2 12.8s
#15 Gemini 2.5 Flash medium Google 9.8 8.2 2/2 2.62s
#16 GPT-5.4 medium OpenAI 10.0 8.2 2/2 3.11s

निर्देश पालन स्कोर के अनुसार शीर्ष मॉडल

निर्देश पालन स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल