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: सही परीक्षण ↓.
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) |
|---|---|---|---|---|---|---|---|
| #300 | GPT-5.4 none | OpenAI | 1 | 0.6 | $0.690 | 7/23 | 3.89s |
| #323 | Granite 4.2 8B low | IBM Granite | 1 | 0.5 | $0.036 | 7/23 | 58.2s |
| #345 | KAT Coder AIR V2.5 low | Kwaipilot | 2 | 0.5 | $0.046 | 7/23 | 10.2s |
| #386 | gpt-oss-120b none | OpenAI | 2 | 0.4 | $0.016 | 6/20 | 28.6s |
| #387 | GLM 5 Turbo none | Z.ai | 2 | 0.4 | $0.047 | 6/21 | 2.82s |
| #405 | Elephant Alpha medium | Openrouter | 2 | 0.4 | $0.000 | 6/21 | 1.27s |
| #416 | Laguna Xs.2 default | Poolside | 1 | 0.3 | $0.004 | 5/19 | 806ms |
| #292 | Trinity Large Thinking high | Arcee AI | 4 | 0.6 | $0.794 | 6/23 | 74.5s |
| #294 | GPT-5.4 Mini none | OpenAI | 3 | 0.6 | $0.170 | 6/23 | 3.34s |
| #295 | Mistral Large 4 none | Mistral | 1 | 0.6 | $0.290 | 6/23 | 20.4s |
| #304 | Qwen3.5-35B-A3B none | Qwen | 2 | 0.6 | $0.120 | 6/23 | 18.3s |
| #307 | Kimi K2.6 none | Moonshot AI | 3 | 0.5 | $0.486 | 6/23 | 26.3s |
| #313 | Seed-2.0-Code none | Bytedance Seed | 2 | 0.5 | $0.257 | 6/23 | 17.5s |
| #318 | MiMo-V2.6-Flash none | Xiaomi | 1 | 0.5 | $0.060 | 6/23 | 6.20s |
| #329 | Ling 3.0 Flash none | Inclusionai | 1 | 0.5 | $0.004 | 6/23 | 3.40s |