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: درست ٹیسٹس ↓.

دکھائے گئے ماڈلز

41

کل ناکامیاں

77

سب سے زیادہ متاثر ماڈل

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

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