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) |
|---|---|---|---|---|---|---|---|
| #221 | Qwen3.7 Flash medium | Qwen | 1 | 0.6 | $0.076 | 0/2 | 9.27s |
| #228 | Minimax M3.1 Flash high | Minimax | 1 | 0.5 | $0.000 | 0/2 | 1.65s |
| #240 | Beam 1.0 501B A23B max | Reflection | 1 | 0.8 | $0.799 | 1/2 | 866ms |
| #243 | Minimax M3.1 Flash xhigh | Minimax | 1 | 0.5 | $0.000 | 0/2 | 1.72s |
| #245 | Beam 1.0 501B A23B low | Reflection | 1 | 0.8 | $0.432 | 1/2 | 1.14s |
| #249 | Dots 3 Note Preview high | Dots Studio | 1 | 0.8 | $0.000 | 1/2 | 7.80s |
| #250 | Dots 3 Note Preview low | Dots Studio | 1 | 0.8 | $0.000 | 1/2 | 7.83s |
| #256 | Minimax M3.1 Flash medium | Minimax | 1 | 0.5 | $0.000 | 0/2 | 1.72s |
| #258 | Solar Pro 4 high | Upstage | 1 | 0.8 | $0.077 | 1/2 | 41.5s |
| #264 | Trinity Large Thinking low | Arcee AI | 1 | 0.4 | $0.918 | 0/2 | 4.07s |
| #267 | Space Bunny Alpha xhigh | Stealth | 1 | 0.6 | $0.000 | 0/2 | 2.22s |
| #270 | DeepSeek V4 Flash 0731 none | DeepSeek | 1 | 0.5 | $0.053 | 0/2 | 1.42s |
| #275 | Trinity Large Thinking medium | Arcee AI | 1 | 0.4 | $0.862 | 0/2 | 3.99s |
| #282 | Apodex 1.1 Mini medium | Apodex | 1 | 0.8 | $0.000 | 1/2 | 8.56s |
| #286 | Inkling Small medium | Thinkingmachines | 1 | 0.8 | $0.113 | 1/2 | 3.78s |