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: کل لاگت ↑.
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) |
|---|---|---|---|---|---|---|---|
| #184 | GPT-5.2 Chat default | OpenAI | 1 | 0.7 | $0.594 | 13/23 | 7.43s |
| #54 | Muse Spark Open low | Meta | 2 | 0.9 | $0.600 | 16/23 | 21.6s |
| #63 | DeepSeek V4.1 Flash high | DeepSeek | 1 | 0.9 | $0.617 | 16/23 | 33.3s |
| #117 | GLM 5.3 FlashX max | Z.ai | 1 | 0.8 | $0.623 | 15/23 | 44.0s |
| #222 | LongCat 2.0 low | Meituan | 1 | 0.7 | $0.630 | 10/23 | 115.0s |
| #283 | Claude Sonnet 4.6 none | Anthropic | 1 | 0.6 | $0.661 | 12/22 | 7.67s |
| #268 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 1 | 0.6 | $0.669 | 11/23 | 23.9s |
| #274 | Beam 1.0 501B A23B high | Reflection | 2 | 0.6 | $0.674 | 11/23 | 9.03s |
| #164 | Gemini 2.5 Flash medium | 2 | 0.7 | $0.680 | 15/23 | 20.5s | |
| #364 | Mimo V2 Omni medium | Xiaomi | 2 | 0.5 | $0.683 | 10/21 | 41.2s |
| #309 | GPT-5.4 none | OpenAI | 1 | 0.6 | $0.690 | 7/23 | 3.89s |
| #252 | Qwen3.5-35B-A3B medium | Qwen | 1 | 0.6 | $0.716 | 11/23 | 111.5s |
| #255 | Gemini 3.1 Flash Lite Preview low | 1 | 0.6 | $0.736 | 14/23 | 19.0s | |
| #355 | Grok 4.20 Beta medium | X AI | 1 | 0.5 | $0.750 | 14/18 | 9.75s |
| #100 | DeepSeek V4.1 Flash 1017 max | DeepSeek | 2 | 0.8 | $0.757 | 15/23 | 78.2s |