Samanya Buddhimatta: सूचनांचे पालन केले नाही
Samanya Buddhimatta
सूचनांचे पालन केले नाही
Samanya Buddhimatta मध्ये कोणत्या AI मॉडेल्सना सूचनांचे पालन केले नाही येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: एकूण खर्च ↓.
अयशस्वी होण्याची कारणे
78/78
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | सूचनांचे पालन केले नाही संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #181 | Grok 4.20 Multi Agent Beta medium | X AI | 1 | 5.8 | $5.599 | 0/1 | 6.40s |
| #143 | Gemini 3.1 Flash Lite high | 1 | 5.0 | $2.044 | 0/1 | 45.7s | |
| #12 | Grok 4.5 high | X AI | 1 | 4.7 | $1.707 | 0/1 | 9.82s |
| #58 | Qwen3.5-27B medium | Qwen | 1 | 6.1 | $1.627 | 0/1 | 101.4s |
| #18 | GPT-5.4 medium | OpenAI | 1 | 4.7 | $1.533 | 0/1 | 4.92s |
| #21 | GPT-5.2 medium | OpenAI | 1 | 3.7 | $0.951 | 0/1 | 4.32s |
| #23 | Claude Sonnet 5 medium | Anthropic | 1 | 4.8 | $0.922 | 0/1 | 4.32s |
| #13 | GPT-5.3-Codex medium | OpenAI | 1 | 4.6 | $0.920 | 0/1 | 4.87s |
| #73 | Grok 4.3 medium | X AI | 1 | 5.4 | $0.779 | 0/1 | 24.7s |
| #99 | Qwen3.6 27B medium | Qwen | 1 | 6.5 | $0.779 | 0/1 | 39.5s |
| #75 | Grok 4.20 medium | X AI | 1 | 3.9 | $0.777 | 0/1 | 24.5s |
| #56 | GPT-5.4 Mini medium | OpenAI | 1 | 4.5 | $0.756 | 0/1 | 3.72s |
| #90 | Qwen3.6 35B A3B medium | Qwen | 1 | 4.4 | $0.746 | 0/1 | 8.66s |
| #63 | Claude Sonnet 4.6 none | Anthropic | 1 | 6.1 | $0.661 | 0/1 | 2.56s |
| #104 | Gemini 3.1 Flash Lite Preview low | 1 | 4.0 | $0.646 | 0/1 | 1.54s |