নির্দেশনা অনুসরণ করা হয়নি ব্যর্থতা
দেখুন কোন AI মডেলগুলো সবচেয়ে বেশি নির্দেশনা অনুসরণ করা হয়নি সমস্যায় পড়ে, যাতে বেছে নেওয়ার আগে নির্ভরযোগ্যতার ঝুঁকি বুঝতে পারেন। সাজান: ব্যর্থতার সংখ্যা ↑.
215/215
মডেল ফিল্টার করুন
বর্তমান অনুসন্ধান ও ফিল্টারের সাথে কোনো মডেল মেলেনি।
| র্যাঙ্ক | মডেল | কোম্পানি | নির্দেশনা অনুসরণ করা হয়নি সংখ্যা | স্কোর | মোট খরচ | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|
| #55 | Inkling Small high | Thinkingmachines | 2 | 8.4 | $0.398 | 14/22 | 30.4s |
| #65 | Muse Spark 1.1 high | Meta | 2 | 8.0 | $2.253 | 12/22 | 36.9s |
| #67 | DeepSeek V4 Flash 0731 high | DeepSeek | 2 | 8.0 | $0.084 | 14/22 | 114.9s |
| #81 | Qwen3.8 27B medium | Qwen | 2 | 7.8 | ~$0.058 | 14/22 | 33.0s |
| #82 | Seed-2.0-Lite medium | Bytedance Seed | 2 | 7.8 | $0.236 | 13/22 | 47.9s |
| #88 | DeepSeek V4 Pro high | DeepSeek | 2 | 7.7 | $0.476 | 10/22 | 92.5s |
| #89 | DeepSeek V4 Flash 0423 high | DeepSeek | 2 | 7.6 | $0.042 | 13/22 | 51.8s |
| #95 | GPT-5.4 Nano medium | OpenAI | 2 | 7.5 | $0.142 | 12/22 | 13.3s |
| #97 | MiniMax M3 medium | Minimax | 2 | 7.5 | $0.300 | 11/22 | 75.2s |
| #98 | GPT 5.3 Chat none | OpenAI | 2 | 7.5 | $0.533 | 13/22 | 6.56s |
| #100 | Qwen3.5-27B medium | Qwen | 2 | 7.5 | $0.982 | 13/22 | 113.3s |
| #110 | Qwen3.8 2.4T A95B high | Qwen | 2 | 7.4 | $2.357 | 14/22 | 120.6s |
| #121 | Kimi K2.6 medium | Moonshot AI | 2 | 7.2 | $1.247 | 12/22 | 115.9s |
| #131 | Grok 4.3 medium | X AI | 2 | 7.0 | $0.741 | 12/22 | 44.2s |
| #137 | Grok 4.20 medium | X AI | 2 | 7.0 | $0.805 | 11/22 | 32.6s |