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 ↑.
141/141
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) |
|---|---|---|---|---|---|---|---|
| #77 | Grok 4.3 medium | X AI | 2 | 7.1 | $0.779 | 13/22 | 47.4s |
| #75 | Qwen3.7 Plus none | Qwen | 1 | 7.2 | $0.106 | 11/22 | 12.1s |
| #72 | Kimi K2.6 medium | Moonshot AI | 2 | 7.2 | $1.036 | 12/22 | 110.0s |
| #70 | Claude Opus 4.8 none | Anthropic | 1 | 7.3 | $1.166 | 13/22 | 4.91s |
| #69 | Gemini 3.1 Flash Lite medium | 1 | 7.3 | $0.117 | 13/22 | 4.27s | |
| #68 | Gemini 3.1 Flash Lite Preview medium | 1 | 7.3 | $0.115 | 13/22 | 4.61s | |
| #67 | Claude Sonnet 4.6 none | Anthropic | 1 | 7.3 | $0.661 | 12/22 | 8.12s |
| #62 | Qwen3.5-27B medium | Qwen | 2 | 7.4 | $1.627 | 13/22 | 111.9s |
| #60 | GPT-5.4 Mini medium | OpenAI | 3 | 7.5 | $0.756 | 12/22 | 25.9s |
| #58 | GPT-5.3 Chat none | OpenAI | 2 | 7.5 | $0.571 | 13/22 | 6.88s |
| #57 | GPT-5.4 Nano medium | OpenAI | 2 | 7.5 | $0.138 | 12/22 | 13.2s |
| #56 | Kimi K2.7 Code medium | Moonshot AI | 1 | 7.5 | $0.740 | 12/22 | 84.2s |
| #53 | GLM 5 Turbo medium | Z.ai | 1 | 7.6 | $0.323 | 14/21 | 23.0s |
| #51 | MiniMax M3 medium | Minimax | 2 | 7.6 | $0.286 | 12/22 | 75.0s |
| #50 | DeepSeek V4 Pro high | DeepSeek | 2 | 7.7 | $0.200 | 10/22 | 79.1s |