Orodha ya Ufuataji wa maagizo x Jibu lisilo sahihi

Kushindwa kwa kategoria za AI BENCHY

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Ufuataji wa maagizo, ili uone udhaifu haraka. Panga kwa: Idadi ya kushindwa ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Gemini 3.5 Flash 1

Sababu za kushindwa

Jibu lisilo sahihi53 Hakufuata maelekezo11 Hakuna jibu2 Muundo wa ziada2 Hitilafu ya API1

Kategoria

Mahususi kwa domeni314 Mbinu za kupinga AI245 Uandishi wa msimbo194 Utatuzi wa mafumbo147 Maarifa ya jumla130 Ufuataji wa maagizo53 Mchanganyiko52 Uchanganuzi na uchimbaji wa data35 Akili ya jumla32 Mwito wa zana2

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Majaribio sahihi	Muda wa majibu (wastani)
#32	Gemini 3.5 Flash minimal	Google	1	6.4	1/2	893ms
#48	Gemini 3 Flash Preview none	Google	1	6.4	1/2	1.58s
#55	GLM 5.1 medium	Z.ai	1	6.4	1/2	7.47s
#77	Claude Sonnet 4.6 none	Anthropic	1	6.5	1/2	1.96s
#85	Gemma 4 31B none	Google	1	6.5	1/2	2.84s
#88	Qwen3.7 Plus none	Qwen	1	6.3	1/2	929ms
#91	GPT-5.5 none	OpenAI	1	6.2	1/2	1.15s
#101	Mimo V2 Omni none	Xiaomi	1	6.5	1/2	4.26s
#102	Gemma 4 26B A4B none	Google	1	6.3	1/2	690ms
#106	Grok 4.20 Beta none	X AI	1	6.3	1/2	649ms
#108	Qwen3.5-Flash none	Qwen	1	6.3	1/2	8.81s
#109	GLM 5V Turbo none	Z.ai	1	6.5	1/2	1.97s
#111	Owl Alpha medium	Openrouter	1	6.5	1/2	10.2s
#113	DeepSeek V4 Pro none	DeepSeek	1	6.3	1/2	8.23s
#114	Qwen3.5 Plus 2026-04-20 none	Qwen	1	6.2	1/2	1.17s

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Ufuataji wa maagizo: Jibu lisilo sahihi

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa