सूचनांचे पालन केले नाही अपयशे
कोणत्या AI मॉडेल्सना सूचनांचे पालन केले नाही सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: बरोबर चाचण्या ↑.
141/141
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | सूचनांचे पालन केले नाही संख्या | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #148 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.7 | $0.247 | 6/22 | 12.9s |
| #160 | MiMo-V2.5-Pro none | Xiaomi | 4 | 5.5 | $0.068 | 6/22 | 4.12s |
| #170 | Inkling none | Thinkingmachines | 1 | 5.2 | $0.147 | 6/22 | 3.50s |
| #179 | DeepSeek V3.2 none | DeepSeek | 1 | 5.0 | $0.054 | 6/22 | 18.3s |
| #182 | GLM 4.7 Flash none | Z.ai | 1 | 4.9 | $0.016 | 6/22 | 9.15s |
| #184 | Ling-2.6-flash none | Inclusionai | 2 | 4.9 | $0.002 | 6/22 | 10.7s |
| #176 | GLM 5 Turbo none | Z.ai | 2 | 5.1 | $0.047 | 6/21 | 2.82s |
| #201 | Elephant Alpha medium | Openrouter | 2 | 4.3 | $0.000 | 6/21 | 1.27s |
| #212 | gpt-oss-120b none | OpenAI | 2 | 3.7 | $0.010 | 6/19 | 21.6s |
| #130 | Qwen3.6 Flash none | Qwen | 1 | 6.1 | $0.062 | 7/22 | 3.74s |
| #133 | Qwen3.5-35B-A3B none | Qwen | 2 | 6.1 | $0.106 | 7/22 | 12.7s |
| #144 | Kimi K2.6 none | Moonshot AI | 3 | 5.8 | $0.184 | 7/22 | 19.6s |
| #145 | GPT-5.4 none | OpenAI | 1 | 5.8 | $0.397 | 7/22 | 2.07s |
| #158 | Qwen3.6 27B none | Qwen | 2 | 5.5 | $0.087 | 7/22 | 10.7s |
| #164 | KAT-Coder-Air V2.5 low | Kwaipilot | 2 | 5.4 | $0.041 | 7/22 | 10.1s |