عمومی ذہانت x ہدایات پر عمل نہیں کیا درجہ بندی

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۔

دکھائے گئے ماڈلز

کل ناکامیاں

142

سب سے زیادہ متاثر ماڈل

Claude Sonnet 5.5 1

ناکامی کی وجوہات

ہدایات پر عمل نہیں کیا142 غلط جواب134 API خرابی17 ٹائم آؤٹ4

زمرے

پہیلی حل کرنا166 عمومی ذہانت142 ہدایات کی پیروی77 اینٹی اے آئی چالیں52 کوڈنگ50 ٹول کالنگ13 خودمختار ایجنٹ کے کام10 ڈیٹا پارسنگ اور استخراج8 ڈومین مخصوص3 مشترکہ1

142/142

درجہ	ماڈل	کمپنی	ہدایات پر عمل نہیں کیا کی تعداد	زمرہ اسکور	کل لاگت	درست ٹیسٹس	ردِعمل کا وقت (اوسط)
#143	Qwen3.8 Flash Next medium	Qwen	1	0.5	~$0.047	0/1	7.29s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت ~$0.047 ردِعمل کا وقت (اوسط) 7.29s
#145	Qwen3.8 27B low	Qwen	1	0.5	~$0.089	0/1	5.37s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت ~$0.089 ردِعمل کا وقت (اوسط) 5.37s
#148	Seed-2.0-Mini medium	Bytedance Seed	1	0.5	$0.140	0/1	36.7s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $0.140 ردِعمل کا وقت (اوسط) 36.7s
#154	Seed-2.0-Code medium	Bytedance Seed	1	0.5	$1.275	0/1	11.4s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $1.275 ردِعمل کا وقت (اوسط) 11.4s
#155	GLM 5.3 FlashX high	Z.ai	1	0.6	$0.210	0/1	2.28s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $0.210 ردِعمل کا وقت (اوسط) 2.28s
#161	GLM 5.3 Flash high	Z.ai	1	0.5	$0.056	0/1	3.33s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $0.056 ردِعمل کا وقت (اوسط) 3.33s
#164	Gemini 2.5 Flash medium	Google	1	0.5	$0.680	0/1	4.86s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $0.680 ردِعمل کا وقت (اوسط) 4.86s
#166	Qwen3.6 Plus medium	Qwen	1	0.5	$0.554	0/1	27.1s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $0.554 ردِعمل کا وقت (اوسط) 27.1s
#167	Gemini 3.5 Flash Lite medium	Google	1	0.5	$0.440	0/1	2.97s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $0.440 ردِعمل کا وقت (اوسط) 2.97s
#168	Qwen3.5-27B none	Qwen	1	0.5	$0.116	0/1	2.51s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $0.116 ردِعمل کا وقت (اوسط) 2.51s
#170	Qwen3.8 27B medium	Qwen	1	0.5	~$0.073	0/1	9.20s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت ~$0.073 ردِعمل کا وقت (اوسط) 9.20s
#175	GLM 5 medium	Z.ai	1	0.6	$0.479	0/1	14.7s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $0.479 ردِعمل کا وقت (اوسط) 14.7s
#177	Qwen3.6 27B medium	Qwen	1	0.6	$1.021	0/1	39.5s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $1.021 ردِعمل کا وقت (اوسط) 39.5s
#179	Qwen3.8 Flash Next xhigh	Qwen	1	0.5	~$0.195	0/1	3.95s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت ~$0.195 ردِعمل کا وقت (اوسط) 3.95s
#180	GLM 5.3 FlashX medium	Z.ai	1	0.3	$0.114	0/1	1.79s
کل ٹیسٹس 1 غلط ٹیسٹس 1 کل لاگت $0.114 ردِعمل کا وقت (اوسط) 1.79s

ماڈلز فلٹر کریں

ہدایات پر عمل نہیں کیا کی تعداد کے لحاظ سے سرفہرست ماڈلز

ہدایات پر عمل نہیں کیا کی تعداد بمقابلہ اسکور

ردِعمل کا وقت (اوسط) کے لحاظ سے سرفہرست ماڈلز

تخمینی ضائع لاگت کے لحاظ سے سرفہرست ماڈلز

عمومی ذہانت: ہدایات پر عمل نہیں کیا

ماڈلز فلٹر کریں

ہدایات پر عمل نہیں کیا کی تعداد کے لحاظ سے سرفہرست ماڈلز

ہدایات پر عمل نہیں کیا کی تعداد بمقابلہ اسکور

ردِعمل کا وقت (اوسط) کے لحاظ سے سرفہرست ماڈلز