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.
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) |
|---|---|---|---|---|---|---|---|
| #84 | GPT-5 Mini medium | OpenAI | 1 | 0.6 | $0.315 | 1/3 | 15.2s |
| #87 | Inkling high | Thinkingmachines | 1 | 0.7 | $1.238 | 1/3 | 10.7s |
| #89 | DeepSeek V4 Flash 0731 high | DeepSeek | 1 | 0.8 | $0.576 | 2/3 | 9.36s |
| #90 | GLM 5.2 high | Z.ai | 1 | 0.6 | $4.632 | 1/3 | 33.7s |
| #92 | Claude Haiku 5.5 high | Anthropic | 1 | 0.6 | $0.088 | 1/3 | 3.28s |
| #95 | GPT-6 Luna medium | OpenAI | 1 | 0.8 | $0.047 | 2/3 | 9.78s |
| #99 | Gemini 4 Argon low | 1 | 0.9 | $0.438 | 2/3 | 2.18s | |
| #100 | DeepSeek V4.1 Flash 1017 max | DeepSeek | 1 | 0.6 | $0.757 | 1/3 | 12.3s |
| #104 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 0.9 | $0.271 | 2/3 | 10.2s |
| #106 | DeepSeek V4 Pro 0423 high | DeepSeek | 1 | 0.7 | $0.149 | 1/3 | 56.8s |
| #108 | DeepSeek V4 Flash 0423 high | DeepSeek | 1 | 0.8 | $0.261 | 2/3 | 26.1s |
| #112 | GPT-5.4 Nano medium | OpenAI | 1 | 0.4 | $0.235 | 0/3 | 3.79s |
| #114 | Qwen3.8 Flash Next low | Qwen | 1 | 0.9 | ~$0.045 | 2/3 | 1.72s |
| #116 | Qwen3.5-27B medium | Qwen | 1 | 0.8 | $1.135 | 2/3 | 59.6s |
| #117 | GLM 5.3 FlashX max | Z.ai | 1 | 0.8 | $0.623 | 2/3 | 3.88s |