कोडी सोडवणे: सूचनांचे पालन केले नाही
कोडी सोडवणे
सूचनांचे पालन केले नाही
कोडी सोडवणे मध्ये कोणत्या AI मॉडेल्सना सूचनांचे पालन केले नाही येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: बरोबर चाचण्या ↓.
अयशस्वी होण्याची कारणे
157/157
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) |
|---|---|---|---|---|---|---|---|
| #24 | Claude Opus 5.5 low | Anthropic | 1 | 0.9 | $1.733 | 2/3 | 29.8s |
| #25 | Claude Opus 5.5 high | Anthropic | 1 | 0.9 | $2.133 | 2/3 | 30.8s |
| #30 | Muse Spark Open high | Meta | 1 | 0.8 | $1.782 | 2/3 | 145.7s |
| #38 | GPT-5.3-Codex medium | OpenAI | 1 | 0.9 | $1.318 | 2/3 | 5.05s |
| #39 | Claude Haiku 5.5 xhigh | Anthropic | 1 | 0.8 | $0.140 | 2/3 | 3.80s |
| #40 | Muse Spark 1.3 high | Meta | 1 | 0.9 | $1.891 | 2/3 | 38.4s |
| #53 | GLM 5.3 Flash max | Z.ai | 1 | 0.9 | $0.089 | 2/3 | 5.61s |
| #55 | Muse Spark 1.2 high | Meta | 1 | 0.8 | $2.018 | 2/3 | 10.1s |
| #56 | Muse Spark 1.2 medium | Meta | 1 | 0.9 | $1.590 | 2/3 | 9.45s |
| #57 | Muse Spark 1.1 medium | Meta | 1 | 0.8 | $1.665 | 2/3 | 42.5s |
| #61 | GPT-5.4 medium | OpenAI | 1 | 0.8 | $2.213 | 2/3 | 9.14s |
| #62 | Muse Spark Open medium | Meta | 1 | 0.8 | $1.260 | 2/3 | 29.4s |
| #64 | DeepSeek V4.1 Flash medium | DeepSeek | 1 | 0.9 | $0.591 | 2/3 | 8.01s |
| #65 | Muse Spark 1.2 low | Meta | 1 | 0.9 | $0.881 | 2/3 | 5.17s |
| #66 | GPT-5.2 medium | OpenAI | 1 | 0.7 | $1.558 | 2/3 | 5.80s |