AI BENCHY श्रेणी अपयशे
कोडी सोडवणे: सूचनांचे पालन केले नाही
कोडी सोडवणे
सूचनांचे पालन केले नाही
कोडी सोडवणे मध्ये कोणत्या AI मॉडेल्सना सूचनांचे पालन केले नाही येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.
अयशस्वी होण्याची कारणे
| क्रमांक | मॉडेल | कंपनी | सूचनांचे पालन केले नाही संख्या | श्रेणी स्कोअर | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|
| #120 | Mimo V2 PRO none | Xiaomi | 1 | 6.0 | 1/3 | 1.61s |
| #121 | Owl Alpha none | Openrouter | 1 | 5.4 | 1/3 | 4.18s |
| #122 | GLM 4.7 Flash none | Z.ai | 1 | 6.4 | 1/3 | 1.20s |
| #123 | MiMo-V2.5-Pro none | Xiaomi | 1 | 6.7 | 1/3 | 1.30s |
| #124 | Kimi K2.6 none | Moonshot AI | 1 | 3.1 | 0/3 | 1.40s |
| #125 | GPT-5.4 none | OpenAI | 1 | 5.6 | 1/3 | 1.44s |
| #126 | gpt-oss-120b none | OpenAI | 1 | 6.0 | 1/3 | 8.21s |
| #128 | Qwen3.6 Flash none | Qwen | 1 | 3.5 | 0/3 | 1.21s |
| #130 | MiniMax M2.7 medium | Minimax | 1 | 5.9 | 1/3 | 24.9s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 1 | 3.8 | 0/3 | 1.00s |
| #132 | Mistral Small 4 medium | Mistral | 1 | 3.4 | 0/3 | 2.17s |
| #134 | GLM 5 Turbo none | Z.ai | 1 | 5.5 | 1/3 | 2.65s |
| #136 | Elephant Alpha medium | Openrouter | 1 | 5.3 | 1/3 | 868ms |
| #137 | Elephant Alpha none | Openrouter | 1 | 4.2 | 0/3 | 807ms |
| #138 | Ling-2.6-flash none | Inclusionai | 1 | 2.9 | 0/3 | 6.51s |