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 salah49 Tidak mengikuti instruksi23 Format tambahan2 Kedaluwarsa1 Kesalahan API1

Kategori

Trik anti-AI12 Spesifik domain11 Parsing dan ekstraksi data4 Pemecahan teka-teki4 Kepatuhan instruksi2

Peringkat	Model	Perusahaan	Jumlah Format tambahan	Skor kategori	Tes benar	Waktu respons (rata-rata)
#92	DeepSeek V4 Flash none	DeepSeek	1	6.5	1/2	17.5s
#108	HY3 Preview none	Tencent	1	6.3	1/2	13.0s

Model teratas menurut Jumlah Format tambahan