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) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #128 | GLM 5.3 high | Z.ai | 1 | 0.8 | $0.495 | 14/23 | 28.4s |
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.9 | $1.864 | 15/23 | 28.3s |
| #55 | Muse Spark 1.2 high | Meta | 3 | 0.9 | $2.018 | 15/23 | 28.1s |
| #25 | Claude Opus 5.5 high | Anthropic | 1 | 0.9 | $2.133 | 19/23 | 27.6s |
| #270 | DeepSeek V4 Flash 0731 none | DeepSeek | 2 | 0.6 | $0.053 | 5/23 | 27.4s |
| #57 | Muse Spark 1.1 medium | Meta | 2 | 0.9 | $1.665 | 16/23 | 27.0s |
| #129 | Step 3.7 Flash medium | Stepfun | 2 | 0.8 | $0.571 | 13/23 | 26.6s |
| #316 | Kimi K2.6 none | Moonshot AI | 3 | 0.5 | $0.486 | 6/23 | 26.3s |
| #24 | Claude Opus 5.5 low | Anthropic | 1 | 0.9 | $1.733 | 19/23 | 25.7s |
| #60 | Qwen3.8 MAX low | Qwen | 1 | 0.9 | $1.089 | 17/23 | 25.1s |
| #61 | GPT-5.4 medium | OpenAI | 2 | 0.9 | $2.213 | 16/23 | 24.8s |
| #143 | Qwen3.8 Flash Next medium | Qwen | 1 | 0.8 | ~$0.047 | 15/23 | 24.8s |
| #268 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 1 | 0.6 | $0.669 | 11/23 | 23.9s |
| #402 | Grok 4.1 Fast medium | X AI | 4 | 0.4 | $0.069 | 9/19 | 23.8s |
| #114 | Qwen3.8 Flash Next low | Qwen | 1 | 0.8 | ~$0.045 | 15/23 | 23.7s |