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 ↑.
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) |
|---|---|---|---|---|---|---|---|
| #206 | Space Bunny Alpha max | Stealth | 2 | 0.7 | $0.000 | 11/23 | 36.2s |
| #204 | Mercury 2.5 Preview medium | Inception | 1 | 0.7 | $0.039 | 15/23 | 6.66s |
| #203 | Inkling low | Thinkingmachines | 2 | 0.7 | $0.293 | 11/23 | 6.81s |
| #202 | Qwen3.5-Flash medium | Qwen | 1 | 0.7 | $0.184 | 12/23 | 83.7s |
| #201 | Kimi K2.6 medium | Moonshot AI | 2 | 0.7 | $1.594 | 12/23 | 121.3s |
| #200 | Claude Opus 4.8 none | Anthropic | 1 | 0.7 | $2.334 | 13/23 | 7.54s |
| #199 | Claude Sonnet 5.5 low | Anthropic | 5 | 0.7 | $0.909 | 10/23 | 7.46s |
| #198 | GPT-5.6 Luna low | OpenAI | 1 | 0.7 | $0.049 | 11/23 | 6.96s |
| #195 | Gemini 3.1 Flash Lite medium | 1 | 0.7 | $0.153 | 13/23 | 6.27s | |
| #194 | Minimax M3.1 Flash max | Minimax | 1 | 0.7 | $0.000 | 11/23 | 40.9s |
| #193 | Muse Glimmer 30B low | Meta | 3 | 0.7 | $0.219 | 11/23 | 22.4s |
| #189 | Step 5 Preview high | Stepfun | 1 | 0.7 | $4.513 | 10/23 | 154.4s |
| #187 | Kimi K2.7 Code medium | Moonshot AI | 1 | 0.7 | $1.136 | 11/23 | 81.2s |
| #186 | Gemini 3.1 Flash Lite Preview medium | 1 | 0.7 | $0.158 | 14/23 | 6.78s | |
| #184 | GPT-5.2 Chat default | OpenAI | 1 | 0.7 | $0.594 | 13/23 | 7.43s |