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: اسکور ↑.
216/216
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) |
|---|---|---|---|---|---|---|---|
| #84 | Qwen3.8 27B medium | Qwen | 2 | 7.8 | ~$0.058 | 14/22 | 33.0s |
| #80 | Gemini 3.5 Flash Lite medium | 1 | 7.8 | $0.272 | 14/22 | 5.12s | |
| #79 | Qwen3.6 Plus medium | Qwen | 1 | 7.8 | $0.418 | 15/22 | 45.5s |
| #77 | Qwen3.8 27B low | Qwen | 1 | 7.9 | ~$0.071 | 15/22 | 39.1s |
| #76 | Step 3.7 Flash medium | Stepfun | 1 | 7.9 | $0.495 | 13/22 | 23.5s |
| #75 | GPT-5.2 Chat none | OpenAI | 1 | 7.9 | $0.594 | 13/22 | 7.73s |
| #71 | GLM 5.2 high | Z.ai | 1 | 8.0 | $1.188 | 14/22 | 69.9s |
| #70 | DeepSeek V4 Flash 0731 high | DeepSeek | 2 | 8.0 | $0.134 | 14/22 | 114.9s |
| #69 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 8.0 | $0.072 | 13/22 | 77.6s |
| #68 | Muse Spark 1.1 high | Meta | 2 | 8.0 | $2.253 | 12/22 | 36.9s |
| #67 | Inkling high | Thinkingmachines | 1 | 8.0 | $1.046 | 15/22 | 62.6s |
| #66 | Muse Glimmer 30B xhigh | Meta | 1 | 8.1 | $0.471 | 13/22 | 95.6s |
| #65 | GPT-5 Mini medium | OpenAI | 3 | 8.1 | $0.241 | 12/22 | 27.6s |
| #63 | Claude Sonnet 5 medium | Anthropic | 1 | 8.2 | $0.922 | 15/22 | 12.5s |
| #62 | Muse Spark 1.3 low | Meta | 1 | 8.2 | $0.689 | 15/22 | 16.0s |