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: स्कोर ↓.
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) |
|---|---|---|---|---|---|---|---|
| #262 | DeepSeek V4 Flash 0731 none | DeepSeek | 2 | 0.6 | $0.053 | 5/23 | 27.4s |
| #263 | Gemini 3.1 Flash Lite Preview none | 2 | 0.6 | $0.090 | 12/23 | 3.60s | |
| #264 | Claude Fable 5.1 low | Anthropic | 3 | 0.6 | $3.395 | 11/23 | 11.4s |
| #266 | Beam 1.0 501B A23B high | Reflection | 2 | 0.6 | $0.674 | 11/23 | 9.03s |
| #267 | Trinity Large Thinking medium | Arcee AI | 4 | 0.6 | $0.862 | 8/23 | 84.0s |
| #268 | Apodex 1.1 Mini low | Apodex | 1 | 0.6 | $0.000 | 11/23 | 33.7s |
| #269 | Inkling none | Thinkingmachines | 1 | 0.6 | $0.292 | 7/23 | 5.30s |
| #270 | Qwen3.5 Plus 2026-04-20 none | Qwen | 2 | 0.6 | $0.216 | 8/23 | 18.5s |
| #271 | Step 5 Preview medium | Stepfun | 2 | 0.6 | $4.136 | 10/23 | 136.1s |
| #272 | Granite 4.2 8B medium | IBM Granite | 1 | 0.6 | $0.029 | 8/23 | 50.5s |
| #274 | Apodex 1.1 Mini medium | Apodex | 2 | 0.6 | $0.000 | 11/23 | 32.7s |
| #275 | Claude Sonnet 4.6 none | Anthropic | 1 | 0.6 | $0.661 | 12/22 | 7.67s |
| #277 | MiMo-V2.6-Pro none | Xiaomi | 1 | 0.6 | $0.193 | 9/23 | 9.66s |
| #278 | Inkling Small medium | Thinkingmachines | 4 | 0.6 | $0.113 | 10/23 | 6.03s |
| #280 | Gemini 3.1 Flash Lite minimal | 3 | 0.6 | $0.080 | 10/23 | 3.95s |