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) |
|---|---|---|---|---|---|---|---|
| #267 | Space Bunny Alpha xhigh | Stealth | 1 | 0.5 | $0.000 | 0/1 | 4.74s |
| #268 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 1 | 0.5 | $0.669 | 0/1 | 2.35s |
| #271 | Gemini 3.1 Flash Lite Preview none | 1 | 0.4 | $0.090 | 0/1 | 741ms | |
| #274 | Beam 1.0 501B A23B high | Reflection | 1 | 0.5 | $0.674 | 0/1 | 1.94s |
| #276 | Apodex 1.1 Mini low | Apodex | 1 | 0.5 | $0.000 | 0/1 | 18.0s |
| #278 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 0.5 | $0.216 | 0/1 | 1.41s |
| #279 | Step 5 Preview medium | Stepfun | 1 | 0.3 | $4.136 | 0/1 | 34.8s |
| #280 | Granite 4.2 8B medium | IBM Granite | 1 | 0.4 | $0.029 | 0/1 | 605ms |
| #282 | Apodex 1.1 Mini medium | Apodex | 1 | 0.5 | $0.000 | 0/1 | 16.1s |
| #283 | Claude Sonnet 4.6 none | Anthropic | 1 | 0.6 | $0.661 | 0/1 | 2.56s |
| #285 | MiMo-V2.6-Pro none | Xiaomi | 1 | 0.5 | $0.193 | 0/1 | 1.40s |
| #286 | Inkling Small medium | Thinkingmachines | 1 | 0.5 | $0.113 | 0/1 | 2.58s |
| #288 | Gemini 3.1 Flash Lite minimal | 1 | 0.4 | $0.080 | 0/1 | 791ms | |
| #289 | gpt-oss-120b medium | OpenAI | 1 | 0.4 | $0.030 | 0/1 | 7.90s |
| #292 | Claude Sonnet 5 none | Anthropic | 1 | 0.5 | $1.095 | 0/1 | 2.81s |