सूचनांचे पालन केले नाही अपयशे
कोणत्या AI मॉडेल्सना सूचनांचे पालन केले नाही सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील.
215/215
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) |
|---|---|---|---|---|---|---|---|
| #47 | GPT-5.2 medium | OpenAI | 3 | 8.4 | $1.182 | 14/22 | 28.5s |
| #51 | Muse Spark 1.1 low | Meta | 3 | 8.3 | $0.673 | 13/22 | 11.9s |
| #57 | GPT-5 Mini medium | OpenAI | 3 | 8.1 | $0.241 | 12/22 | 27.6s |
| #87 | Solar Pro 4 xhigh | Upstage | 3 | 7.6 | $0.050 | 12/22 | 134.9s |
| #97 | GPT-5.4 Mini medium | OpenAI | 3 | 7.5 | $0.786 | 12/22 | 26.7s |
| #118 | Muse Glimmer 30B high | Meta | 3 | 7.2 | $0.430 | 10/22 | 66.7s |
| #120 | Qwen3.7 Flash low | Qwen | 3 | 7.2 | $0.043 | 11/22 | 38.0s |
| #123 | Muse Glimmer 30B low | Meta | 3 | 7.1 | $0.152 | 11/22 | 18.6s |
| #125 | Solar Pro 4 high | Upstage | 3 | 7.1 | $0.046 | 11/22 | 120.6s |
| #131 | Mercury 2 medium | Inception | 3 | 7.0 | $0.094 | 10/22 | 2.95s |
| #136 | Claude Fable 5.1 low | Anthropic | 3 | 6.9 | $2.565 | 11/22 | 10.3s |
| #137 | Qwen3.7 Flash medium | Qwen | 3 | 6.9 | $0.065 | 10/22 | 47.4s |
| #182 | Gemini 3.1 Flash Lite minimal | 3 | 6.1 | $0.047 | 10/22 | 1.85s | |
| #184 | gpt-oss-120b medium | OpenAI | 3 | 6.1 | $0.020 | 9/22 | 20.8s |
| #202 | Step 3.5 Flash medium | Stepfun | 3 | 5.9 | $0.132 | 10/21 | 191.6s |