AI BENCHY विफलताएँ
अतिरिक्त फॉर्मेटिंग विफलताएँ
देखें कि किन AI मॉडलों में अतिरिक्त फॉर्मेटिंग सबसे अधिक होता है, ताकि आप चुनने से पहले भरोसेमंदी के जोखिम समझ सकें। क्रमबद्ध करें: विफलता संख्या ↑.
संबंधित श्रेणियाँ
| रैंक | मॉडल | कंपनी | अतिरिक्त फॉर्मेटिंग संख्या | औसत स्कोर | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|
| #48 | Qwen3 Coder Next none | Qwen | 1 | 4.0 | 4/16 | 11.7s |
| #54 | MiMo-V2-Flash none | Xiaomi | 1 | 2.9 | 3/16 | 2.97s |
| #11 | Claude Sonnet 4.6 medium | Anthropic | 2 | 7.7 | 12/16 | 11.2s |
| #33 | DeepSeek V3.2 none | DeepSeek | 2 | 5.5 | 7/16 | 12.9s |
| #25 | Claude Sonnet 4.6 none | Anthropic | 3 | 6.8 | 10/16 | 5.57s |
| #26 | Claude Opus 4.6 medium | Anthropic | 4 | 6.6 | 10/16 | 22.9s |