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. Panga kwa: Majaribio sahihi ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Kimi K2.6 2

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)
#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
#51	Nemotron 3 Super medium	NVIDIA	2	3.5	0/3	8.39s
#54	Mercury 2 medium	Inception	2	3.9	0/3	934ms
#59	Qwen3.5-Flash none	Qwen	1	3.3	0/3	5.90s
#63	Qwen3.5-35B-A3B none	Qwen	1	3.9	0/3	1.34s
#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
#84	gpt-oss-120b none	OpenAI	2	4.5	0/3	6.86s
#85	Elephant none	Openrouter	1	3.3	0/3	849ms

Modeli bora kwa Idadi ya Hakufuata maelekezo

Idadi ya Hakufuata maelekezo dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Utatuzi wa mafumbo: Hakufuata maelekezo

Modeli bora kwa Idadi ya Hakufuata maelekezo

Idadi ya Hakufuata maelekezo dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa