निर्देश पालन: गलत उत्तर
निर्देश पालन
गलत उत्तर
देखें कि निर्देश पालन में किन AI मॉडलों में गलत उत्तर आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें। क्रमबद्ध करें: कुल लागत ↑.
विफलता के कारण
82/82
मॉडल फ़िल्टर करें
मौजूदा खोज और फ़िल्टर से कोई मॉडल मेल नहीं खाता।
| रैंक | मॉडल | कंपनी | गलत उत्तर संख्या | श्रेणी स्कोर | कुल लागत | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|
| #222 | Owl Alpha medium | Openrouter | 1 | 6.5 | $0.000 | 1/2 | 10.2s |
| #225 | Owl Alpha none | Openrouter | 1 | 6.4 | $0.000 | 1/2 | 2.63s |
| #247 | Dots 3 Note Preview none | Dots Studio | 1 | 4.8 | $0.000 | 0/2 | 1.06s |
| #258 | North Mini Code none | Cohere | 1 | 6.5 | $0.000 | 1/2 | 30.7s |
| #292 | Hunter Alpha none | OpenRouter | 1 | 6.4 | $0.000 | 1/2 | 2.82s |
| #297 | Ling 3.0 Tiny none | Inclusionai | 1 | 3.1 | $0.000 | 0/2 | 2.44s |
| #309 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 1 | 4.8 | $0.000 | 0/2 | 541ms |
| #311 | LFM2-24B-A2B none | Liquid | 1 | 6.3 | $0.001 | 1/2 | 752ms |
| #215 | Ling-3.0-flash none | Inclusionai | 1 | 4.8 | $0.004 | 0/2 | 836ms |
| #306 | Laguna Xs.2 none | Poolside | 1 | 6.5 | $0.004 | 1/2 | 439ms |
| #210 | Solar Pro 4 none | Upstage | 1 | 6.4 | $0.006 | 1/2 | 1.67s |
| #231 | Qwen3.8 27B none | Qwen | 1 | 6.3 | ~$0.006 | 1/2 | 582ms |
| #298 | Granite 4.1 8B none | IBM Granite | 1 | 3.6 | $0.007 | 0/2 | 344ms |
| #299 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 6.5 | $0.007 | 1/2 | 511ms |
| #242 | Laguna XS 2.1 none | Poolside | 1 | 3.8 | $0.008 | 0/2 | 364ms |