Peringkat Kepatuhan instruksi x Format tambahan

Kegagalan kategori AI BENCHY

Lihat model AI mana yang paling mungkin mengalami Format tambahan di Kepatuhan instruksi, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Alasan kegagalan

Jawaban salah54 Tidak mengikuti instruksi12 Format tambahan2 Tidak ada jawaban2 Kesalahan API1

Kategori

Trik anti-AI18 Spesifik domain13 Pemrograman11 Parsing dan ekstraksi data4 Pemecahan teka-teki4 Kepatuhan instruksi2 Gabungan1

2/2

Peringkat	Model	Perusahaan	Jumlah Format tambahan	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#117	DeepSeek V4 Flash none	DeepSeek	1	6.5	$0.007	1/2	17.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.007 Waktu respons (rata-rata) 17.5s
#158	Hy3 preview none	Tencent	1	6.3	$0.003	1/2	13.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 13.0s

Filter model