निर्देशों का पालन नहीं किया विफलता रैंकिंग

AI BENCHY विफलताएँ

देखें कि किन AI मॉडलों में निर्देशों का पालन नहीं किया सबसे अधिक होता है, ताकि आप चुनने से पहले भरोसेमंदी के जोखिम समझ सकें। क्रमबद्ध करें: स्कोर ↑.

दिखाए गए मॉडल

कुल विफलताएँ

215

सबसे अधिक प्रभावित मॉडल

श्रेणियाँ

रैंक	मॉडल	कंपनी	निर्देशों का पालन नहीं किया संख्या	स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#13	Qwen3.5-27B medium	Qwen	2	8.4	13/18	53.0s
#12	Qwen3.6 Plus Preview medium	Qwen	1	8.5	13/17	13.9s
#11	HY3 Preview high	Tencent	2	8.5	13/18	55.2s
#9	GPT-5.3-Codex medium	OpenAI	2	8.6	13/18	15.4s
#8	Seed-2.0-Lite medium	Bytedance Seed	2	8.6	13/18	30.4s
#6	GPT-5.5 medium	OpenAI	1	9.0	15/18	32.8s
#5	GPT-5.5 low	OpenAI	1	9.0	15/18	8.39s

←

1 2 3 4 5 6 7

निर्देशों का पालन नहीं किया विफलताएँ