টুল কলিং: নির্দেশনা অনুসরণ করা হয়নি
টুল কলিং
নির্দেশনা অনুসরণ করা হয়নি
দেখুন টুল কলিং এ কোন AI মডেলগুলোর নির্দেশনা অনুসরণ করা হয়নি হওয়ার সম্ভাবনা সবচেয়ে বেশি, যাতে দুর্বল দিক দ্রুত ধরা যায়। সাজান: ব্যর্থতার সংখ্যা ↑.
ব্যর্থতার কারণ
12/12
মডেল ফিল্টার করুন
বর্তমান অনুসন্ধান ও ফিল্টারের সাথে কোনো মডেল মেলেনি।
| র্যাঙ্ক | মডেল | কোম্পানি | নির্দেশনা অনুসরণ করা হয়নি সংখ্যা | বিভাগ স্কোর | মোট খরচ | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|
| #55 | Inkling Small high | Thinkingmachines | 1 | 3.0 | $0.398 | 0/1 | 2.91s |
| #102 | GPT-5.4 Mini medium | OpenAI | 1 | 4.7 | $0.786 | 0/1 | 9.62s |
| #137 | Grok 4.20 medium | X AI | 1 | 3.0 | $0.805 | 0/1 | 13.7s |
| #165 | Inkling Small medium | Thinkingmachines | 1 | 3.0 | $0.113 | 0/1 | 2.12s |
| #193 | Inkling low | Thinkingmachines | 1 | 3.0 | $0.187 | 0/1 | 2.57s |
| #201 | Grok 4.20 Beta medium | X AI | 1 | 3.0 | $0.750 | 0/1 | 12.4s |
| #212 | GPT-5.4 Mini none | OpenAI | 1 | 3.0 | $0.095 | 0/1 | 2.32s |
| #246 | Inkling Small none | Thinkingmachines | 1 | 3.0 | $0.054 | 0/1 | 2.31s |
| #253 | Inkling none | Thinkingmachines | 1 | 3.0 | $0.147 | 0/1 | 2.50s |
| #264 | MiniMax M2.7 medium | Minimax | 1 | 4.7 | $0.208 | 0/1 | 12.0s |
| #272 | Nemotron 3 Super none | NVIDIA | 1 | 4.7 | $0.008 | 0/1 | 16.0s |
| #302 | Ling 3.0 Tiny none | Inclusionai | 1 | 3.0 | $0.000 | 0/1 | 3.05s |