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

DeepSeek V4 Flash 1

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

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Kepatuhan instruksi: Format tambahan

Model teratas menurut Jumlah Format tambahan

Jumlah Format tambahan vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang