निर्देशों का पालन नहीं किया विफलताएँ
देखें कि किन AI मॉडलों में निर्देशों का पालन नहीं किया सबसे अधिक होता है, ताकि आप चुनने से पहले भरोसेमंदी के जोखिम समझ सकें। क्रमबद्ध करें: विफलता संख्या ↑.
285/285
मॉडल फ़िल्टर करें
मौजूदा खोज और फ़िल्टर से कोई मॉडल मेल नहीं खाता।
| रैंक | मॉडल | कंपनी | निर्देशों का पालन नहीं किया संख्या | स्कोर | कुल लागत | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|
| #380 | Granite 4.2 8B none | IBM Granite | 1 | 0.4 | $0.037 | 3/23 | 84.7s |
| #383 | Gemini 3.1 Flash Lite Preview high | 1 | 0.4 | $2.310 | 13/16 | 68.1s | |
| #390 | Qwen3.5-9B medium | Qwen | 1 | 0.4 | $0.106 | 3/23 | 110.2s |
| #394 | Laguna M.1 medium | Poolside | 1 | 0.4 | $0.033 | 9/19 | 14.7s |
| #397 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 0.4 | $0.009 | 3/23 | 15.9s |
| #402 | Grok 4.20 Beta default | X AI | 1 | 0.4 | $0.087 | 6/18 | 1.19s |
| #416 | Laguna Xs.2 default | Poolside | 1 | 0.3 | $0.004 | 5/19 | 806ms |
| #420 | Nemotron 3 Nano Omni 30b A3b Reasoning medium | NVIDIA | 1 | 0.3 | $0.000 | 4/19 | 17.1s |
| #421 | d1-ultra default | Liquid | 1 | 0.3 | $0.003 | 4/12 | 531ms |
| #424 | Decider V1.2 default | Perplexity | 1 | 0.3 | $0.001 | 5/12 | 517ms |
| #427 | GPT-6 Luna Decisions default | OpenAI | 1 | 0.2 | $0.005 | 3/12 | 495ms |
| #429 | Jev 1.14 default | Typesafe | 1 | 0.2 | $0.003 | 4/12 | 377ms |
| #431 | Clef Omni default | Cloudflare | 1 | 0.2 | $0.011 | 2/12 | 880ms |
| #433 | Step 3.5 Flash none | Stepfun | 1 | 0.2 | $0.020 | 6/12 | 39.0s |
| #436 | LFM2-24B-A2B default | Liquid | 1 | 0.2 | $0.001 | 2/16 | 782ms |