AI BENCHY زمرہ ناکامیاں
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۔
ناکامی کی وجوہات
| درجہ | ماڈل | کمپنی | ہدایات پر عمل نہیں کیا کی تعداد | زمرہ اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #111 | Owl Alpha medium | Openrouter | 1 | 4.3 | 0/1 | 58.6s |
| #113 | DeepSeek V4 Pro none | DeepSeek | 1 | 4.3 | 0/1 | 3.75s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 4.8 | 0/1 | 1.41s |
| #115 | Qwen3.5-27B none | Qwen | 1 | 5.0 | 0/1 | 2.51s |
| #116 | Hunter Alpha none | OpenRouter | 1 | 6.1 | 0/1 | 2.71s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 1 | 6.5 | 0/1 | 1.19s |
| #118 | Qwen3.6 27B none | Qwen | 1 | 5.2 | 0/1 | 1.07s |
| #119 | Cobuddy medium | Baidu | 1 | 4.2 | 0/1 | 23.2s |
| #120 | Mimo V2 PRO none | Xiaomi | 1 | 4.3 | 0/1 | 2.44s |
| #121 | Owl Alpha none | Openrouter | 1 | 4.3 | 0/1 | 4.61s |
| #124 | Kimi K2.6 none | Moonshot AI | 1 | 5.4 | 0/1 | 1.55s |
| #129 | MiniMax M2.5 medium | Minimax | 1 | 3.8 | 0/1 | 6.63s |
| #130 | MiniMax M2.7 medium | Minimax | 1 | 3.9 | 0/1 | 38.7s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 1 | 5.0 | 0/1 | 1.12s |
| #132 | Mistral Small 4 medium | Mistral | 1 | 4.8 | 0/1 | 2.05s |