AI BENCHY
Your ad here

AI BENCHY श्रेणी

सूचनांचे पालन क्रमवारी

सूचनांचे पालन मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↑.

दाखवलेली मॉडेल्स

8

सरासरी सूचनांचे पालन स्कोअर

8.0

सर्वोत्तम मॉडेल

Mistral Small 4 6.5

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण चुकीचे उत्तर सह44 अयशस्वी होण्याचे कारण सूचनांचे पालन केले नाही सह22 अयशस्वी होण्याचे कारण API त्रुटी सह1 अयशस्वी होण्याचे कारण वेळ संपला सह1
क्रमांक मॉडेल कंपनी सूचनांचे पालन स्कोअर स्कोअर बरोबर चाचण्या प्रतिसाद वेळ (सरासरी)
#24 Gemma 4 26B A4B medium Google 10.0 8.0 2/2 17.5s
#10 Qwen3.5-27B medium Qwen 10.0 8.4 2/2 19.7s
#43 Qwen3.5-35B-A3B medium Qwen 10.0 7.4 2/2 24.4s
#8 Qwen3.5 Plus 2026-02-15 medium Qwen 10.0 8.5 2/2 31.9s
#27 DeepSeek V3.2 medium DeepSeek 10.0 8.0 2/2 35.8s
#32 Qwen3.5-Flash medium Qwen 10.0 7.8 2/2 63.5s
#11 Gemini 3.1 Flash Lite Preview high Google 7.9 8.4 1/2 70.1s
#46 Kimi K2.5 medium Moonshot AI 10.0 7.0 2/2 92.5s

सूचनांचे पालन स्कोअर नुसार शीर्ष मॉडेल्स

सूचनांचे पालन स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स