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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Sababu za kushindwa

Jibu lisilo sahihi44 Hakufuata maelekezo22 Hitilafu ya API1 Muda umeisha1

Kategoria

Mahususi kwa domeni182 Mbinu za kupinga AI165 Utatuzi wa mafumbo85 Ufuataji wa maagizo44 Mchanganyiko37 Uandishi wa msimbo28 Uchanganuzi na uchimbaji wa data19 Akili ya jumla10 Mwito wa zana2

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Majaribio sahihi	Muda wa majibu (wastani)
#62	Gemini 2.5 Flash none	Google	1	8.0	1/2	672ms
#63	Qwen3.5-35B-A3B none	Qwen	1	6.3	1/2	809ms
#65	MiMo-V2-Pro none	Xiaomi	1	6.5	1/2	2.51s
#66	GPT-5.4 none	OpenAI	1	6.5	1/2	1.07s
#69	Kimi K2.6 none	Moonshot AI	1	6.5	1/2	1.64s
#72	Hunter Alpha none	OpenRouter	1	6.4	1/2	2.82s
#73	Mistral Small 4 medium	Mistral	1	7.3	1/2	1.38s
#74	GLM 4.7 Flash none	Z.ai	1	6.5	1/2	888ms
#76	Kimi K2.5 none	Moonshot AI	1	6.5	1/2	2.67s
#77	GLM 5 Turbo none	Z.ai	1	6.5	1/2	2.13s
#78	Trinity Large Preview none	Arcee AI	1	4.1	0/2	1.09s
#79	Grok 4.20 Beta none	X AI	1	4.8	0/2	687ms
#80	MiniMax M2.7 medium	Minimax	1	3.7	0/2	12.6s
#82	Grok 4.20 none	X AI	1	4.8	0/2	455ms
#83	Mistral Small 4 none	Mistral	1	6.5	1/2	380ms

Modeli bora kwa Idadi ya Jibu lisilo sahihi