निर्देश पालन मॉडल रैंकिंग | AI BENCHY

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।

दिखाए गए मॉडल

15

औसत निर्देश पालन स्कोर

8.5

सर्वश्रेष्ठ मॉडल

Gemini 3 Flash Preview 10.0

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)
#87	Gemini 3.1 Flash Lite minimal	Google	10.0	6.4	2/2	932ms
#89	Hy3 preview low	Tencent	10.0	6.4	2/2	16.0s
#90	Gemini 3.1 Flash Lite none	Google	10.0	6.4	2/2	859ms
#92	Laguna M.1 medium	Poolside	10.0	6.4	2/2	4.30s
#95	Qwen3.5 Plus 2026-02-15 none	Qwen	10.0	6.3	2/2	1.67s
#97	Gemini 2.5 Flash none	Google	10.0	6.2	2/2	590ms
#98	GLM 5 none	Z.ai	10.0	6.1	2/2	1.48s
#103	DeepSeek V4 Pro high	DeepSeek	10.0	6.0	2/2	41.2s
#104	Nemotron 3 Ultra 550b A55b none	NVIDIA	10.0	6.0	2/2	1.46s
#107	Laguna Xs.2 medium	Poolside	10.0	5.8	2/2	1.68s
#110	Seed-2.0-Lite none	Bytedance Seed	10.0	5.8	2/2	1.06s
#133	DeepSeek V3.2 none	DeepSeek	10.0	5.2	2/2	1.52s
#3	Gemini 3.5 Flash low	Google	9.9	9.4	2/2	1.86s
#6	GPT-5.5 low	OpenAI	9.9	9.0	2/2	3.74s
#7	Gemini 3.5 Flash medium	Google	9.9	9.0	2/2	2.70s

निर्देश पालन स्कोर के अनुसार शीर्ष मॉडल

निर्देश पालन स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल