सूचनांचे पालन केले नाही अपयश क्रमवारी

कोणत्या AI मॉडेल्सना सूचनांचे पालन केले नाही सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील.

दाखवलेली मॉडेल्स

एकूण अपयशे

522

सर्वाधिक प्रभावित मॉडेल

Claude Sonnet 5.5 5

श्रेणी

293/293

क्रमांक	मॉडेल	कंपनी	सूचनांचे पालन केले नाही संख्या	स्कोअर	एकूण खर्च	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)
#267	Space Bunny Alpha xhigh	Stealth	2	0.6	$0.000	9/23	60.0s
एकूण चाचण्या 23 चुकीच्या चाचण्या 14 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 60.0s
#270	DeepSeek V4 Flash 0731 none	DeepSeek	2	0.6	$0.053	5/23	27.4s
एकूण चाचण्या 23 चुकीच्या चाचण्या 18 एकूण खर्च $0.053 प्रतिसाद वेळ (सरासरी) 27.4s
#271	Gemini 3.1 Flash Lite Preview none	Google	2	0.6	$0.090	12/23	3.60s
एकूण चाचण्या 23 चुकीच्या चाचण्या 11 एकूण खर्च $0.090 प्रतिसाद वेळ (सरासरी) 3.60s
#274	Beam 1.0 501B A23B high	Reflection	2	0.6	$0.674	11/23	9.03s
एकूण चाचण्या 23 चुकीच्या चाचण्या 12 एकूण खर्च $0.674 प्रतिसाद वेळ (सरासरी) 9.03s
#278	Qwen3.5 Plus 2026-04-20 none	Qwen	2	0.6	$0.216	8/23	18.5s
एकूण चाचण्या 23 चुकीच्या चाचण्या 15 एकूण खर्च $0.216 प्रतिसाद वेळ (सरासरी) 18.5s
#279	Step 5 Preview medium	Stepfun	2	0.6	$4.136	10/23	136.1s
एकूण चाचण्या 23 चुकीच्या चाचण्या 13 एकूण खर्च $4.136 प्रतिसाद वेळ (सरासरी) 136.1s
#282	Apodex 1.1 Mini medium	Apodex	2	0.6	$0.000	11/23	32.7s
एकूण चाचण्या 23 चुकीच्या चाचण्या 12 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 32.7s
#298	DeepSeek V4.1 Flash none	DeepSeek	2	0.6	$0.391	7/23	16.6s
एकूण चाचण्या 23 चुकीच्या चाचण्या 16 एकूण खर्च $0.391 प्रतिसाद वेळ (सरासरी) 16.6s
#300	Ring 2.6 1t medium	Inclusionai	2	0.6	$0.102	11/23	65.5s
एकूण चाचण्या 23 चुकीच्या चाचण्या 12 एकूण खर्च $0.102 प्रतिसाद वेळ (सरासरी) 65.5s
#302	GPT-5 Nano medium	OpenAI	2	0.6	$0.159	8/23	56.5s
एकूण चाचण्या 23 चुकीच्या चाचण्या 15 एकूण खर्च $0.159 प्रतिसाद वेळ (सरासरी) 56.5s
#306	Dots 3 Note Preview medium	Dots Studio	2	0.6	$0.000	8/23	70.3s
एकूण चाचण्या 23 चुकीच्या चाचण्या 15 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 70.3s
#308	Space Bunny Alpha low	Stealth	2	0.6	$0.000	8/23	30.6s
एकूण चाचण्या 23 चुकीच्या चाचण्या 15 एकूण खर्च $0.000 प्रतिसाद वेळ (सरासरी) 30.6s
#313	Qwen3.5-35B-A3B none	Qwen	2	0.6	$0.120	6/23	18.3s
एकूण चाचण्या 23 चुकीच्या चाचण्या 17 एकूण खर्च $0.120 प्रतिसाद वेळ (सरासरी) 18.3s
#314	Nemotron 3.5 Super VL none	NVIDIA	2	0.6	$0.040	8/23	47.0s
एकूण चाचण्या 23 चुकीच्या चाचण्या 15 एकूण खर्च $0.040 प्रतिसाद वेळ (सरासरी) 47.0s
#320	Gemma 4 26B A4B none	Google	2	0.5	$0.031	9/23	10.5s
एकूण चाचण्या 23 चुकीच्या चाचण्या 14 एकूण खर्च $0.031 प्रतिसाद वेळ (सरासरी) 10.5s

सूचनांचे पालन केले नाही अपयशे

मॉडेल फिल्टर करा

सूचनांचे पालन केले नाही संख्या नुसार शीर्ष मॉडेल्स

सूचनांचे पालन केले नाही संख्या वि स्कोअर

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स