AI BENCHY
موازنہ کریں چارٹس طریقہ کار
❤️ Made by XCS
Your ad here

AI BENCHY ناکامیاں

ہدایات پر عمل نہیں کیا ناکامیاں

دیکھیں کہ کن AI ماڈلز میں ہدایات پر عمل نہیں کیا سب سے زیادہ ہوتا ہے، تاکہ آپ انتخاب سے پہلے قابلِ اعتماد ہونے کے خطرات سمجھ سکیں۔ ترتیب دیں حسب: اوسط اسکور ↑.

دکھائے گئے ماڈلز

41

کل ناکامیاں

77

سب سے زیادہ متاثر ماڈل

LFM2-24B-A2B 2
درجہ ماڈل کمپنی ہدایات پر عمل نہیں کیا کی تعداد اوسط اسکور درست ٹیسٹس ردِعمل کا وقت (اوسط)
#55 LFM2-24B-A2B none Liquid 2 2.6 1/16 811ms
#53 Grok 4.1 Fast none X AI 2 2.9 3/16 1.90s
#54 MiMo-V2-Flash none Xiaomi 1 2.9 3/16 2.97s
#52 GLM 4.7 Flash medium Z.ai 2 3.1 4/16 36.8s
#51 Mercury 2 none Inception 1 3.4 4/16 596ms
#50 Qwen3 Coder Next medium Qwen 5 3.5 3/16 12.5s
#49 GLM 4.7 Flash none Z.ai 2 3.9 4/16 2.99s
#47 GPT-4o-mini none OpenAI 1 4.0 4/16 2.07s
#48 Qwen3 Coder Next none Qwen 1 4.0 4/16 11.7s
#45 Trinity Large Preview none Arcee AI 2 4.2 5/16 3.15s
#44 GPT-5.4 none OpenAI 1 4.5 6/16 1.48s
#42 Qwen3.5-35B-A3B none Qwen 2 4.7 6/16 4.10s
#43 MiniMax M2.5 medium Minimax 3 4.7 5/16 43.0s
#41 Qwen3.5-27B none Qwen 2 4.9 5/16 1.75s
#40 Qwen3.5-122B-A10B none Qwen 1 5.0 6/16 3.72s
#39 gpt-oss-120b medium OpenAI 4 5.1 7/16 16.7s
#37 Qwen3.5-Flash none Qwen 1 5.2 7/16 3.54s
#38 Gemini 2.5 Flash none Google 1 5.2 6/16 923ms
#36 Mercury 2 medium Inception 4 5.3 7/16 2.36s
#34 GPT-5 Nano medium OpenAI 3 5.5 7/16 47.9s
#32 GPT-5 Mini medium OpenAI 4 6.0 8/16 25.1s
#30 Grok 4.1 Fast medium X AI 3 6.2 9/16 26.3s
#28 Kimi K2.5 medium Moonshot AI 2 6.4 9/16 69.8s
#27 GPT-5.2 medium OpenAI 3 6.5 10/16 15.3s
#25 Claude Sonnet 4.6 none Anthropic 1 6.8 10/16 5.57s
#23 Seed-2.0-Mini medium Bytedance Seed 1 6.9 10/16 65.1s
#24 Qwen3.5-Flash medium Qwen 1 6.9 10/16 70.8s
#22 Gemini 3.1 Flash Lite Preview none Google 2 7.1 10/16 1.33s
#21 MiMo-V2-Flash medium Xiaomi 1 7.2 11/16 25.3s
#17 Gemini 3.1 Flash Lite Preview low Google 1 7.3 11/16 3.36s
#18 DeepSeek V3.2 medium DeepSeek 1 7.3 11/16 39.5s
#19 GPT-5.3 Chat none OpenAI 2 7.3 10/16 5.96s
#13 Step 3.5 Flash medium Stepfun 3 7.4 10/16 29.1s
#14 GLM 5 medium Z.ai 1 7.4 11/16 16.2s
#15 GPT-5.2 Chat none OpenAI 1 7.4 11/16 7.03s
#16 Gemini 2.5 Flash medium Google 1 7.4 11/16 12.4s
#12 Gemini 3.1 Flash Lite Preview medium Google 1 7.5 11/16 3.83s
#9 GPT-5.4 medium OpenAI 2 8.0 12/16 20.1s
#7 Qwen3.5-27B medium Qwen 2 8.2 12/16 52.1s
#8 Gemini 3.1 Flash Lite Preview high Google 1 8.2 12/16 68.8s
#3 GPT-5.3-Codex medium OpenAI 2 8.4 12/16 16.6s

ہدایات پر عمل نہیں کیا کی تعداد کے لحاظ سے سرفہرست ماڈلز

ہدایات پر عمل نہیں کیا کی تعداد بمقابلہ اوسط اسکور

ردِعمل کا وقت (اوسط) کے لحاظ سے سرفہرست ماڈلز