Orodha ya Utatuzi wa mafumbo x Hakufuata maelekezo

Kushindwa kwa kategoria za AI BENCHY

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hakufuata maelekezo katika Utatuzi wa mafumbo, ili uone udhaifu haraka.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Sababu za kushindwa

Jibu lisilo sahihi85 Hakufuata maelekezo75 Muda umeisha6 Muundo wa ziada2 Hitilafu ya API1

Kategoria

Utatuzi wa mafumbo75 Akili ya jumla58 Ufuataji wa maagizo22 Mbinu za kupinga AI17 Mwito wa zana6 Uandishi wa msimbo2

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama ya kategoria	Majaribio sahihi	Muda wa majibu (wastani)
#18	GLM 5 Turbo medium	Z.ai	2	7.3	1/3	5.44s
#34	Kimi K2.6 medium	Moonshot AI	2	5.0	0/3	25.6s
#38	GPT-5.4 Nano medium	OpenAI	2	4.0	0/3	3.65s
#44	GPT-5.4 Mini medium	OpenAI	2	6.8	1/3	4.33s
#47	Grok 4.20 medium	X AI	2	6.4	1/3	3.89s
#51	Nemotron 3 Super medium	NVIDIA	2	3.5	0/3	8.39s
#54	Mercury 2 medium	Inception	2	3.9	0/3	934ms
#56	Grok 4.20 Multi Agent Beta medium	X AI	2	7.2	1/3	5.01s
#68	gpt-oss-120b medium	OpenAI	2	3.2	0/3	11.8s
#69	Kimi K2.6 none	Moonshot AI	2	3.4	0/3	1.66s
#73	Mistral Small 4 medium	Mistral	2	3.4	0/3	2.00s
#74	GLM 4.7 Flash none	Z.ai	2	4.4	0/3	1.00s
#80	MiniMax M2.7 medium	Minimax	2	3.8	0/3	25.6s
#81	Elephant medium	Openrouter	2	3.7	0/3	867ms
#83	Mistral Small 4 none	Mistral	2	3.1	0/3	589ms

Modeli bora kwa Idadi ya Hakufuata maelekezo