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
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) |
|---|---|---|---|---|---|---|---|
| #227 | Claude Sonnet 5.5 medium | Anthropic | 1 | 0.5 | $1.100 | 0/1 | 2.27s |
| #229 | Qwen3.6 35B A3B medium | Qwen | 1 | 0.4 | $0.834 | 0/1 | 8.66s |
| #230 | Mercury 2.5 Preview high | Inception | 1 | 0.5 | $0.040 | 0/1 | 1.88s |
| #233 | GLM 5.3 low | Z.ai | 1 | 0.4 | $0.215 | 0/1 | 4.70s |
| #236 | Grok 4.3 medium | X AI | 1 | 0.5 | $0.989 | 0/1 | 24.7s |
| #238 | Qwen3.5-122B-A10B none | Qwen | 1 | 0.5 | $0.308 | 0/1 | 1.12s |
| #241 | Solar Pro 4 medium | Upstage | 1 | 0.3 | $0.098 | 0/1 | 48.0s |
| #244 | Kimi K2.5 medium | Moonshot AI | 1 | 0.6 | $0.841 | 0/1 | 69.7s |
| #245 | Beam 1.0 501B A23B low | Reflection | 1 | 0.6 | $0.432 | 0/1 | 2.30s |
| #248 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 0.6 | $0.332 | 0/1 | 4.02s |
| #253 | Qwen3.6 27B none | Qwen | 1 | 0.5 | $0.148 | 0/1 | 1.07s |
| #255 | Gemini 3.1 Flash Lite Preview low | 1 | 0.4 | $0.736 | 0/1 | 1.54s | |
| #258 | Solar Pro 4 high | Upstage | 1 | 0.6 | $0.077 | 0/1 | 42.2s |
| #260 | Ling 3.1 Flash low | Inclusionai | 1 | 0.3 | $0.000 | 0/1 | 11.5s |
| #266 | Grok 4.20 medium | X AI | 1 | 0.4 | $1.246 | 0/1 | 24.5s |