AI BENCHY ناکامیاں
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: ردِعمل کا وقت (اوسط) ↑.
| درجہ | ماڈل | کمپنی | ہدایات پر عمل نہیں کیا کی تعداد | اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #88 | Qwen3.7 Plus none | Qwen | 1 | 6.4 | 10/21 | 2.85s |
| #122 | GLM 4.7 Flash none | Z.ai | 1 | 5.5 | 6/21 | 2.86s |
| #151 | Trinity Large Preview none | Arcee AI | 3 | 4.6 | 4/21 | 2.98s |
| #109 | GLM 5V Turbo none | Z.ai | 2 | 5.8 | 8/21 | 2.99s |
| #44 | Gemini 3.1 Flash Lite medium | 1 | 7.5 | 13/21 | 3.23s | |
| #117 | Qwen3.5-35B-A3B none | Qwen | 2 | 5.6 | 7/21 | 3.37s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.3 | 6/21 | 3.41s |
| #68 | Claude Opus 4.8 none | Anthropic | 1 | 7.0 | 12/21 | 3.47s |
| #118 | Qwen3.6 27B none | Qwen | 2 | 5.6 | 7/21 | 3.72s |
| #153 | Qwen3.6 35B A3B none | Qwen | 2 | 4.6 | 4/21 | 3.73s |
| #40 | Gemini 3.1 Flash Lite Preview medium | 1 | 7.5 | 13/21 | 3.96s | |
| #85 | Gemma 4 31B none | 1 | 6.5 | 10/21 | 4.05s | |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 2 | 5.7 | 7/21 | 4.39s |
| #116 | Hunter Alpha none | OpenRouter | 2 | 5.7 | 6/18 | 4.70s |
| #7 | Gemini 3.5 Flash medium | 1 | 9.0 | 18/21 | 4.94s |