सूचनांचे पालन: सूचनांचे पालन केले नाही
सूचनांचे पालन
सूचनांचे पालन केले नाही
सूचनांचे पालन मध्ये कोणत्या AI मॉडेल्सना सूचनांचे पालन केले नाही येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील.
अयशस्वी होण्याची कारणे
77/77
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) |
|---|---|---|---|---|---|---|---|
| #149 | Mistral Large 4 high | Mistral | 1 | 0.8 | $1.391 | 1/2 | 22.0s |
| #156 | Grok 4.7 low | X AI | 1 | 0.8 | $1.933 | 1/2 | 6.19s |
| #162 | Claude Fable 5.1 medium | Anthropic | 1 | 0.7 | $3.197 | 1/2 | 5.77s |
| #163 | Grok 4.7 medium | X AI | 1 | 0.8 | $2.938 | 1/2 | 6.68s |
| #182 | MiMo-V2.6-Flash low | Xiaomi | 1 | 0.8 | $0.200 | 1/2 | 955ms |
| #193 | Muse Glimmer 30B low | Meta | 1 | 0.8 | $0.219 | 1/2 | 3.60s |
| #194 | Minimax M3.1 Flash max | Minimax | 1 | 0.5 | $0.000 | 0/2 | 1.73s |
| #198 | GPT-5.6 Luna low | OpenAI | 1 | 0.8 | $0.049 | 1/2 | 2.04s |
| #199 | Claude Sonnet 5.5 low | Anthropic | 1 | 0.6 | $0.909 | 1/2 | 1.91s |
| #206 | Space Bunny Alpha max | Stealth | 1 | 0.6 | $0.000 | 0/2 | 3.78s |
| #207 | Solar Pro 4 xhigh | Upstage | 1 | 0.8 | $0.067 | 1/2 | 51.3s |
| #211 | Solar Pro 4 low | Upstage | 1 | 0.8 | $0.101 | 1/2 | 56.4s |
| #212 | Grok 4.7 high | X AI | 1 | 0.8 | $3.037 | 1/2 | 14.1s |
| #216 | GPT-5.6 Sol none | OpenAI | 1 | 0.9 | $0.795 | 1/2 | 1.33s |
| #217 | Apodex 1.1 Mini high | Apodex | 1 | 0.8 | $0.000 | 1/2 | 8.10s |