خودمختار ایجنٹ کے کام: ہدایات پر عمل نہیں کیا
خودمختار ایجنٹ کے کام
ہدایات پر عمل نہیں کیا
دیکھیں کہ خودمختار ایجنٹ کے کام میں کن AI ماڈلز کو ہدایات پر عمل نہیں کیا پیش آنے کا سب سے زیادہ امکان ہے، تاکہ آپ کمزوریاں جلدی پہچان سکیں۔ ترتیب دیں حسب: کل لاگت ↑.
ناکامی کی وجوہات
14/14
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | ہدایات پر عمل نہیں کیا کی تعداد | زمرہ اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #266 | Gemini 2.5 Flash none | 1 | 3.0 | $0.017 | 0/1 | 1.81s | |
| #338 | Mercury 2 none | Inception | 1 | 3.0 | $0.033 | 0/1 | 9.00s |
| #317 | Laguna S 2.1 none | Poolside | 1 | 5.4 | $0.047 | 0/1 | 149.3s |
| #186 | Qwen3.7 Flash medium | Qwen | 1 | 5.2 | $0.076 | 0/1 | 149.0s |
| #132 | GLM 5.3 Flash high | Z.ai | 1 | 7.4 | $0.084 | 0/1 | 111.5s |
| #324 | Laguna S 2.1 low | Poolside | 1 | 2.8 | $0.109 | 0/1 | 152.1s |
| #197 | GLM 5.2 none | Z.ai | 1 | 5.2 | $0.161 | 0/1 | 52.3s |
| #203 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 5.9 | $0.173 | 0/1 | 183.5s |
| #147 | Gemini 3.8 Flash low | 1 | 5.9 | $0.334 | 0/1 | 62.9s | |
| #104 | Step 3.7 Flash medium | Stepfun | 1 | 7.4 | $0.571 | 0/1 | 93.9s |
| #135 | Gemini 2.5 Flash medium | 1 | 3.0 | $0.644 | 0/1 | 6.54s | |
| #66 | Gemini 3.5 Flash Lite high | 1 | 7.4 | $0.649 | 0/1 | 63.8s | |
| #232 | Trinity Large Thinking low | Arcee AI | 1 | 6.4 | $0.703 | 0/1 | 73.0s |
| #213 | Qwen3.5-35B-A3B medium | Qwen | 1 | 7.4 | $1.249 | 0/1 | 126.8s |