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: प्रतिक्रिया समय (औसत) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #302 | Step 5 Preview low | Stepfun | 1 | 0.6 | $4.110 | 10/23 | 138.3s |
| #271 | Step 5 Preview medium | Stepfun | 2 | 0.6 | $4.136 | 10/23 | 136.1s |
| #235 | Solar Pro 4 medium | Upstage | 2 | 0.6 | $0.098 | 12/23 | 133.9s |
| #250 | Solar Pro 4 high | Upstage | 3 | 0.6 | $0.077 | 11/23 | 128.9s |
| #237 | Kimi K2.5 medium | Moonshot AI | 2 | 0.6 | $0.841 | 10/23 | 125.8s |
| #147 | Seed-2.0-Code high | Bytedance Seed | 1 | 0.7 | $1.448 | 12/23 | 124.9s |
| #207 | Grok 4.7 high | X AI | 2 | 0.7 | $3.037 | 13/23 | 122.2s |
| #196 | Kimi K2.6 medium | Moonshot AI | 2 | 0.7 | $1.594 | 12/23 | 121.3s |
| #120 | Qwen3.8 2.4T A95B high | Qwen | 2 | 0.8 | $2.949 | 15/23 | 120.9s |
| #88 | DeepSeek V4 Flash 0731 high | DeepSeek | 2 | 0.8 | $0.576 | 15/23 | 118.8s |
| #160 | Grok 4.7 medium | X AI | 1 | 0.7 | $2.938 | 15/23 | 117.7s |
| #217 | LongCat 2.0 low | Meituan | 1 | 0.7 | $0.630 | 10/23 | 115.0s |
| #114 | Qwen3.5-27B medium | Qwen | 2 | 0.8 | $1.135 | 14/23 | 114.7s |
| #349 | Laguna S 2.1 high | Poolside | 1 | 0.5 | $0.145 | 4/23 | 113.6s |
| #245 | Qwen3.5-35B-A3B medium | Qwen | 1 | 0.6 | $0.716 | 11/23 | 111.5s |