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.
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) |
|---|---|---|---|---|---|---|---|
| #104 | Gemini 3.1 Flash Lite Preview low | 1 | 4.0 | $0.646 | 0/1 | 1.54s | |
| #106 | Gemini 3.1 Flash Lite Preview none | 1 | 4.0 | $0.052 | 0/1 | 741ms | |
| #108 | Ring-2.6-1T medium | Inclusionai | 1 | 4.1 | $0.103 | 0/1 | 58.3s |
| #112 | Claude Sonnet 5 none | Anthropic | 1 | 4.7 | $0.548 | 0/1 | 2.81s |
| #113 | MiMo-V2-Flash medium | Xiaomi | 1 | 4.0 | $0.043 | 0/1 | 4.20s |
| #114 | Qwen3.5-Flash medium | Qwen | 1 | 6.1 | $0.139 | 0/1 | 40.1s |
| #120 | Gemini 3.1 Flash Lite minimal | 1 | 4.0 | $0.047 | 0/1 | 791ms | |
| #121 | gpt-oss-120b medium | OpenAI | 1 | 4.3 | $0.019 | 0/1 | 7.90s |
| #126 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 4.8 | $0.122 | 0/1 | 1.41s |
| #127 | Qwen3.5-35B-A3B none | Qwen | 1 | 6.5 | $0.106 | 0/1 | 1.19s |
| #128 | GPT-5 Nano medium | OpenAI | 1 | 4.1 | $0.114 | 0/1 | 17.5s |
| #130 | Step 3.5 Flash medium | Stepfun | 1 | 5.5 | $0.108 | 0/1 | 22.4s |
| #136 | GPT-5.4 Mini none | OpenAI | 1 | 4.8 | $0.095 | 0/1 | 1.82s |
| #138 | Kimi K2.6 none | Moonshot AI | 1 | 5.4 | $0.184 | 0/1 | 1.55s |
| #140 | Nemotron 3 Super medium | NVIDIA | 1 | 4.1 | $0.050 | 0/1 | 6.91s |