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: स्कोअर ↑.
293/293
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) |
|---|---|---|---|---|---|---|---|
| #348 | Apodex 1.1 Mini default | Apodex | 2 | 0.5 | $0.000 | 3/23 | 7.79s |
| #347 | MiMo-V2.5-Pro none | Xiaomi | 4 | 0.5 | $0.135 | 5/23 | 6.21s |
| #346 | KAT Coder AIR V2.5 medium | Kwaipilot | 1 | 0.5 | $0.048 | 8/23 | 8.32s |
| #344 | Mistral Small 4 none | Mistral | 1 | 0.5 | $0.047 | 5/23 | 3.12s |
| #343 | Mistral Small 4 medium | Mistral | 2 | 0.5 | $0.126 | 5/23 | 12.7s |
| #342 | MiMo-V2-Flash medium | Xiaomi | 1 | 0.5 | $0.043 | 12/21 | 20.1s |
| #341 | Mimo V2 PRO medium | Xiaomi | 1 | 0.5 | $0.333 | 12/21 | 22.2s |
| #339 | Nemotron 3.5 Lightning high | NVIDIA | 4 | 0.5 | $0.168 | 5/23 | 77.1s |
| #338 | Ling 3.0 Flash none | Inclusionai | 1 | 0.5 | $0.004 | 6/23 | 3.40s |
| #337 | Inkling Small low | Thinkingmachines | 2 | 0.5 | $0.055 | 9/23 | 1.99s |
| #336 | Qwen3.6 35B A3B none | Qwen | 2 | 0.5 | $0.105 | 4/23 | 8.43s |
| #335 | Laguna XS 2.1 none | Poolside | 1 | 0.5 | $0.020 | 5/23 | 4.56s |
| #332 | Granite 4.2 8B low | IBM Granite | 1 | 0.5 | $0.036 | 7/23 | 58.2s |
| #330 | Hy3 preview medium | Tencent | 1 | 0.5 | $0.049 | 14/21 | 16.3s |
| #328 | Step 3.5 Flash medium | Stepfun | 3 | 0.5 | $0.105 | 10/22 | 190.5s |