ہدایات کی پیروی: غلط جواب
ہدایات کی پیروی
غلط جواب
دیکھیں کہ ہدایات کی پیروی میں کن AI ماڈلز کو غلط جواب پیش آنے کا سب سے زیادہ امکان ہے، تاکہ آپ کمزوریاں جلدی پہچان سکیں۔
ناکامی کی وجوہات
111/111
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #326 | Laguna XS 2.1 none | Poolside | 1 | 0.4 | $0.020 | 0/2 | 364ms |
| #327 | Qwen3.6 35B A3B none | Qwen | 1 | 0.6 | $0.105 | 1/2 | 1.86s |
| #329 | Ling 3.0 Flash none | Inclusionai | 1 | 0.5 | $0.004 | 0/2 | 836ms |
| #334 | Mistral Small 4 medium | Mistral | 1 | 0.7 | $0.126 | 1/2 | 1.38s |
| #335 | Mistral Small 4 none | Mistral | 1 | 0.7 | $0.047 | 1/2 | 380ms |
| #336 | Mercury 2.5 low | Inception | 1 | 0.3 | $0.020 | 0/2 | 972ms |
| #338 | MiMo-V2.5-Pro none | Xiaomi | 1 | 0.6 | $0.135 | 1/2 | 1.03s |
| #339 | Apodex 1.1 Mini default | Apodex | 1 | 0.5 | $0.000 | 0/2 | 1.06s |
| #340 | Laguna S 2.1 medium | Poolside | 1 | 0.4 | $0.092 | 0/2 | 400ms |
| #341 | Mercury 2.5 Preview low | Inception | 1 | 0.6 | $0.015 | 1/2 | 1.60s |
| #342 | MiniMax M2.7 medium | Minimax | 1 | 0.4 | $0.326 | 0/2 | 12.8s |
| #343 | Dots 3 Note Preview default | Dots Studio | 1 | 0.5 | $0.000 | 0/2 | 1.06s |
| #344 | GPT-4o-mini default | OpenAI | 1 | 0.6 | $0.024 | 1/2 | 1.11s |
| #347 | Inkling Small none | Thinkingmachines | 1 | 0.6 | $0.054 | 1/2 | 767ms |
| #348 | Qwen3 Coder Next default | Qwen | 1 | 0.6 | $0.067 | 1/2 | 7.78s |