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)
#109	GLM 4.7 Flash medium	Z.ai	2	4.6	4/18	32.3s
#110	MiMo-V2-Flash none	Xiaomi	1	4.5	3/18	2.79s
#111	Grok 4.1 Fast none	X AI	2	4.5	3/18	1.76s
#112	Ling 2.6 1t none	Inclusionai	3	4.5	3/18	8.79s
#113	GPT-5.4 Nano none	OpenAI	3	4.5	2/18	1.40s
#114	Qwen3.5-9B medium	Qwen	2	4.4	3/18	73.6s
#115	LFM2-24B-A2B none	Liquid	2	4.1	1/16	811ms

←

1 2 3 4 5 6 7

निर्देशों का पालन नहीं किया विफलताएँ