AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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: बरोबर चाचण्या ↓.

दाखवलेली मॉडेल्स

15

एकूण अपयशे

180

सर्वाधिक प्रभावित मॉडेल

Qwen3.6 Plus Preview 1
क्रमांक मॉडेल कंपनी सूचनांचे पालन केले नाही संख्या स्कोअर बरोबर चाचण्या प्रतिसाद वेळ (सरासरी)
#9 Qwen3.6 Plus Preview medium Qwen 1 8.5 13/17 13.9s
#11 Gemini 3.1 Flash Lite Preview high Google 1 8.4 12/16 68.8s
#6 Seed-2.0-Lite medium Bytedance Seed 2 8.6 13/18 30.4s
#7 GPT-5.3-Codex medium OpenAI 2 8.6 13/18 15.4s
#10 Qwen3.5-27B medium Qwen 2 8.4 13/18 53.0s
#13 GLM 5 medium Z.ai 1 8.4 13/18 23.3s
#14 Gemma 4 31B medium Google 1 8.3 13/18 24.9s
#15 Gemini 2.5 Flash medium Google 1 8.2 13/18 12.1s
#16 GPT-5.4 medium OpenAI 2 8.2 13/18 18.6s
#17 Gemini 3.1 Flash Lite Preview medium Google 1 8.2 13/18 3.74s
#20 Qwen3.6 Plus medium Qwen 1 8.1 13/18 15.3s
#22 Gemini 3.1 Flash Lite Preview low Google 1 8.1 13/18 3.22s
#24 Gemma 4 26B A4B medium Google 1 8.0 13/18 25.0s
#18 GLM 5 Turbo medium Z.ai 2 8.1 12/18 17.7s
#23 MiMo-V2-Pro medium Xiaomi 1 8.1 12/18 12.3s

सूचनांचे पालन केले नाही संख्या नुसार शीर्ष मॉडेल्स

सूचनांचे पालन केले नाही संख्या वि स्कोअर

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स