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
61/61
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) |
|---|---|---|---|---|---|---|---|
| #177 | Nemotron 3 Super none | NVIDIA | 1 | 6.3 | $0.008 | 1/2 | 804ms |
| #180 | GPT-5.4 Nano none | OpenAI | 1 | 6.3 | $0.041 | 1/2 | 784ms |
| #183 | Trinity Large Preview none | Arcee AI | 1 | 3.5 | $0.008 | 0/2 | 822ms |
| #187 | Qwen3 Coder Next medium | Qwen | 1 | 6.3 | $0.032 | 1/2 | 7.49s |
| #189 | Mercury 2 none | Inception | 1 | 6.5 | $0.030 | 1/2 | 551ms |
| #191 | Grok 4.20 Beta none | X AI | 1 | 6.3 | $0.087 | 1/2 | 649ms |
| #192 | Laguna M.1 none | Poolside | 1 | 6.3 | $0.009 | 1/2 | 683ms |
| #194 | GLM 4.7 Flash medium | Z.ai | 1 | 6.2 | $0.166 | 1/2 | 2.97s |
| #196 | Hunter Alpha none | OpenRouter | 1 | 6.4 | $0.000 | 1/2 | 2.82s |
| #197 | Grok 4.20 none | X AI | 1 | 6.3 | $0.057 | 1/2 | 445ms |
| #200 | MiMo-V2-Flash none | Xiaomi | 1 | 6.5 | $0.025 | 1/2 | 857ms |
| #201 | Granite 4.1 8B none | IBM Granite | 1 | 3.6 | $0.007 | 0/2 | 344ms |
| #203 | Grok 4.1 Fast none | X AI | 1 | 3.0 | $0.008 | 0/2 | 685ms |
| #205 | Laguna Xs.2 none | Poolside | 1 | 6.5 | $0.004 | 1/2 | 439ms |
| #208 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 1 | 4.8 | $0.000 | 0/2 | 541ms |