सूचनांचे पालन मॉडेल क्रमवारी

AI BENCHY श्रेणी

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

सरासरी सूचनांचे पालन स्कोअर

8.5

सर्वोत्तम मॉडेल

Kimi K2.5 10.0

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण चुकीचे उत्तर सह53 अयशस्वी होण्याचे कारण सूचनांचे पालन केले नाही सह11 अयशस्वी होण्याचे कारण अतिरिक्त फॉरमॅटिंग सह2 अयशस्वी होण्याचे कारण उत्तर नाही सह2 अयशस्वी होण्याचे कारण API त्रुटी सह1

क्रमांक	मॉडेल	कंपनी	सूचनांचे पालन स्कोअर	स्कोअर	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)
#51	Mimo V2 PRO medium	Xiaomi	9.9	7.4	2/2	3.36s
#2	Gemini 3.5 Flash high	Google	10.0	9.6	2/2	3.35s
#10	Claude Opus 4.8 medium	Anthropic	10.0	8.7	2/2	3.32s
#35	Gemini 3 PRO Preview medium	Google	9.8	7.6	2/2	3.26s
#42	GPT-5.2 medium	OpenAI	9.9	7.5	2/2	3.12s
#21	GPT-5.4 medium	OpenAI	10.0	8.0	2/2	3.11s
#15	GPT-5.3-Codex medium	OpenAI	10.0	8.4	2/2	3.04s
#158	GLM 4.7 Flash medium	Z.ai	6.2	4.4	1/2	2.97s
#85	Gemma 4 31B none	Google	6.5	6.5	1/2	2.84s
#116	Hunter Alpha none	OpenRouter	6.4	5.7	1/2	2.82s
#43	MiMo-V2.5-Pro medium	Xiaomi	9.9	7.5	2/2	2.77s
#7	Gemini 3.5 Flash medium	Google	9.9	9.0	2/2	2.70s
#135	Kimi K2.5 none	Moonshot AI	6.5	5.2	1/2	2.67s
#121	Owl Alpha none	Openrouter	6.4	5.5	1/2	2.63s
#28	Gemini 2.5 Flash medium	Google	9.8	7.8	2/2	2.62s

सूचनांचे पालन क्रमवारी

सूचनांचे पालन स्कोअर नुसार शीर्ष मॉडेल्स

सूचनांचे पालन स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स