ہدایات پر عمل نہیں کیا ناکامیاں
دیکھیں کہ کن AI ماڈلز میں ہدایات پر عمل نہیں کیا سب سے زیادہ ہوتا ہے، تاکہ آپ انتخاب سے پہلے قابلِ اعتماد ہونے کے خطرات سمجھ سکیں۔ ترتیب دیں حسب: درست ٹیسٹس ↑.
293/293
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | ہدایات پر عمل نہیں کیا کی تعداد | اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #198 | GPT-5.6 Luna low | OpenAI | 1 | 0.7 | $0.049 | 11/23 | 6.96s |
| #203 | Inkling low | Thinkingmachines | 2 | 0.7 | $0.293 | 11/23 | 6.81s |
| #206 | Space Bunny Alpha max | Stealth | 2 | 0.7 | $0.000 | 11/23 | 36.2s |
| #211 | Solar Pro 4 low | Upstage | 2 | 0.7 | $0.101 | 11/23 | 145.2s |
| #213 | MiniMax M3 medium | Minimax | 2 | 0.7 | $0.422 | 11/23 | 77.0s |
| #217 | Apodex 1.1 Mini high | Apodex | 1 | 0.7 | $0.000 | 11/23 | 31.2s |
| #218 | GLM 5.3 Flash low | Z.ai | 2 | 0.7 | $0.038 | 11/23 | 11.8s |
| #245 | Beam 1.0 501B A23B low | Reflection | 2 | 0.6 | $0.432 | 11/23 | 4.89s |
| #248 | MiMo-V2.5-Pro medium | Xiaomi | 2 | 0.6 | $0.332 | 11/23 | 56.7s |
| #252 | Qwen3.5-35B-A3B medium | Qwen | 1 | 0.6 | $0.716 | 11/23 | 111.5s |
| #258 | Solar Pro 4 high | Upstage | 3 | 0.6 | $0.077 | 11/23 | 128.9s |
| #263 | DeepSeek V3.2 medium | DeepSeek | 1 | 0.6 | $0.152 | 11/23 | 70.1s |
| #266 | Grok 4.20 medium | X AI | 2 | 0.6 | $1.246 | 11/23 | 36.7s |
| #268 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 1 | 0.6 | $0.669 | 11/23 | 23.9s |
| #272 | Claude Fable 5.1 low | Anthropic | 3 | 0.6 | $3.395 | 11/23 | 11.4s |