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) |
|---|---|---|---|---|---|---|---|
| #89 | DeepSeek V4 Flash 0731 high | DeepSeek | 2 | 0.8 | $0.576 | 15/23 | 118.8s |
| #88 | Muse Spark 1.1 high | Meta | 2 | 0.8 | $2.570 | 13/23 | 37.4s |
| #87 | Inkling high | Thinkingmachines | 1 | 0.8 | $1.238 | 16/23 | 62.7s |
| #85 | Muse Glimmer 30B xhigh | Meta | 1 | 0.8 | $0.585 | 14/23 | 97.7s |
| #84 | GPT-5 Mini medium | OpenAI | 3 | 0.8 | $0.315 | 13/23 | 29.4s |
| #82 | Nemotron 3.5 Super VL high | NVIDIA | 2 | 0.8 | $0.349 | 15/23 | 49.9s |
| #79 | Claude Sonnet 5 medium | Anthropic | 1 | 0.9 | $1.438 | 16/23 | 15.0s |
| #78 | Muse Spark 1.3 low | Meta | 1 | 0.9 | $0.911 | 16/23 | 17.7s |
| #75 | Claude Haiku 5.5 low | Anthropic | 2 | 0.9 | $0.061 | 16/23 | 7.51s |
| #72 | Muse Spark 1.1 low | Meta | 3 | 0.9 | $0.885 | 14/23 | 13.2s |
| #73 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.9 | $1.516 | 16/23 | 15.0s |
| #71 | DeepSeek V4.1 Flash max | DeepSeek | 1 | 0.9 | $1.204 | 15/23 | 61.6s |
| #69 | Seed 2.1 Turbo medium | Bytedance Seed | 1 | 0.9 | $2.042 | 16/23 | 189.1s |
| #68 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.9 | $0.586 | 14/23 | 148.1s |
| #67 | Qwen3.8 27B high | Qwen | 2 | 0.9 | ~$0.298 | 17/23 | 166.3s |