AI BENCHY
Your ad here

AI BENCHY अपयशे

सूचनांचे पालन केले नाही अपयशे

कोणत्या AI मॉडेल्सना सूचनांचे पालन केले नाही सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: अपयशांची संख्या ↑.

दाखवलेली मॉडेल्स

15

एकूण अपयशे

180

सर्वाधिक प्रभावित मॉडेल

Qwen3.6 Plus Preview 1

श्रेणी

कोडी सोडवणे श्रेणीत75 Samanya Buddhimatta श्रेणीत58 सूचनांचे पालन श्रेणीत22 अँटी-एआय युक्त्या श्रेणीत17 टूल कॉलिंग श्रेणीत6 कोडिंग श्रेणीत2
क्रमांक मॉडेल कंपनी सूचनांचे पालन केले नाही संख्या स्कोअर बरोबर चाचण्या प्रतिसाद वेळ (सरासरी)
#29 Gemini 3.1 Flash Lite Preview none Google 2 7.9 12/18 1.30s
#31 GLM 5V Turbo medium Z.ai 2 7.8 11/18 15.0s
#35 MiMo-V2-Omni medium Xiaomi 2 7.7 11/18 16.8s
#36 GPT-5.3 Chat none OpenAI 2 7.7 11/18 5.88s
#46 Kimi K2.5 medium Moonshot AI 2 7.0 9/18 72.4s
#50 Hunter Alpha medium OpenRouter 2 6.7 8/18 10.3s
#55 MiMo-V2-Omni none Xiaomi 2 6.5 8/18 1.99s
#58 GLM 5V Turbo none Z.ai 2 6.2 8/18 3.10s
#63 Qwen3.5-35B-A3B none Qwen 2 6.1 7/18 3.82s
#65 MiMo-V2-Pro none Xiaomi 2 6.0 7/18 2.39s
#67 Qwen3.5-27B none Qwen 2 5.9 6/18 1.74s
#72 Hunter Alpha none OpenRouter 2 5.7 6/18 4.58s
#74 GLM 4.7 Flash none Z.ai 2 5.6 5/18 3.35s
#75 GLM 5.1 none Z.ai 2 5.6 5/18 4.33s
#77 GLM 5 Turbo none Z.ai 2 5.5 6/18 2.94s

सूचनांचे पालन केले नाही संख्या नुसार शीर्ष मॉडेल्स

सूचनांचे पालन केले नाही संख्या वि स्कोअर

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स