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. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Hy3 preview 1

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)
#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
#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

Filter model

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Kepatuhan instruksi: Format tambahan

Filter model

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang