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
142/142
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) |
|---|---|---|---|---|---|---|---|
| #34 | Claude Sonnet 5.5 max | Anthropic | 1 | 0.5 | $8.557 | 0/1 | 56.7s |
| #400 | Grok 4.20 Multi Agent Beta medium | X AI | 1 | 0.6 | $5.599 | 0/1 | 6.40s |
| #279 | Step 5 Preview medium | Stepfun | 1 | 0.3 | $4.136 | 0/1 | 34.8s |
| #37 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.6 | $3.306 | 0/1 | 75.1s |
| #212 | Grok 4.7 high | X AI | 1 | 0.4 | $3.037 | 0/1 | 17.1s |
| #122 | Qwen3.8 2.4T A95B high | Qwen | 1 | 0.6 | $2.949 | 0/1 | 11.4s |
| #101 | Grok 4.5 high | X AI | 1 | 0.5 | $2.687 | 0/1 | 9.82s |
| #61 | GPT-5.4 medium | OpenAI | 1 | 0.5 | $2.213 | 0/1 | 4.92s |
| #375 | Gemini 3.1 Flash Lite high | 1 | 0.5 | $2.044 | 0/1 | 45.7s | |
| #69 | Seed 2.1 Turbo medium | Bytedance Seed | 1 | 0.6 | $2.042 | 0/1 | 40.6s |
| #43 | Seed 2.1 Turbo high | Bytedance Seed | 1 | 0.6 | $1.892 | 0/1 | 25.7s |
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.6 | $1.864 | 0/1 | 6.55s |
| #56 | Muse Spark 1.2 medium | Meta | 1 | 0.6 | $1.590 | 0/1 | 10.7s |
| #66 | GPT-5.2 medium | OpenAI | 1 | 0.4 | $1.558 | 0/1 | 4.32s |
| #73 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.6 | $1.516 | 0/1 | 9.10s |