عمومی ذہانت: ہدایات پر عمل نہیں کیا
عمومی ذہانت
ہدایات پر عمل نہیں کیا
دیکھیں کہ عمومی ذہانت 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
142/142
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) |
|---|---|---|---|---|---|---|---|
| #34 | Claude Sonnet 5.5 max | Anthropic | 1 | 0.5 | $8.557 | 0/1 | 56.7s |
| #400 | Grok 4.20 Multi Agent Beta medium | X AI | 1 | 0.6 | $5.599 | 0/1 | 6.40s |
| #279 | Step 5 Preview medium | Stepfun | 1 | 0.3 | $4.136 | 0/1 | 34.8s |
| #37 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.6 | $3.306 | 0/1 | 75.1s |
| #212 | Grok 4.7 high | X AI | 1 | 0.4 | $3.037 | 0/1 | 17.1s |
| #122 | Qwen3.8 2.4T A95B high | Qwen | 1 | 0.6 | $2.949 | 0/1 | 11.4s |
| #101 | Grok 4.5 high | X AI | 1 | 0.5 | $2.687 | 0/1 | 9.82s |
| #61 | GPT-5.4 medium | OpenAI | 1 | 0.5 | $2.213 | 0/1 | 4.92s |
| #375 | Gemini 3.1 Flash Lite high | 1 | 0.5 | $2.044 | 0/1 | 45.7s | |
| #69 | Seed 2.1 Turbo medium | Bytedance Seed | 1 | 0.6 | $2.042 | 0/1 | 40.6s |
| #43 | Seed 2.1 Turbo high | Bytedance Seed | 1 | 0.6 | $1.892 | 0/1 | 25.7s |
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.6 | $1.864 | 0/1 | 6.55s |
| #56 | Muse Spark 1.2 medium | Meta | 1 | 0.6 | $1.590 | 0/1 | 10.7s |
| #66 | GPT-5.2 medium | OpenAI | 1 | 0.4 | $1.558 | 0/1 | 4.32s |
| #73 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.6 | $1.516 | 0/1 | 9.10s |