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) |
|---|---|---|---|---|---|---|---|
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.9 | $1.864 | 15/23 | 28.3s |
| #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 |
| #62 | Muse Spark Open medium | Meta | 2 | 0.9 | $1.260 | 15/23 | 77.4s |
| #63 | DeepSeek V4.1 Flash high | DeepSeek | 1 | 0.9 | $0.617 | 16/23 | 33.3s |
| #64 | DeepSeek V4.1 Flash medium | DeepSeek | 1 | 0.9 | $0.591 | 16/23 | 32.9s |
| #65 | Muse Spark 1.2 low | Meta | 3 | 0.9 | $0.881 | 16/23 | 11.8s |
| #66 | GPT-5.2 medium | OpenAI | 3 | 0.9 | $1.558 | 15/23 | 31.3s |
| #67 | Qwen3.8 27B high | Qwen | 2 | 0.9 | ~$0.298 | 17/23 | 166.3s |
| #68 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.9 | $0.586 | 14/23 | 148.1s |
| #69 | Seed 2.1 Turbo medium | Bytedance Seed | 1 | 0.9 | $2.042 | 16/23 | 189.1s |
| #71 | DeepSeek V4.1 Flash max | DeepSeek | 1 | 0.9 | $1.204 | 15/23 | 61.6s |
| #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 |
| #75 | Claude Haiku 5.5 low | Anthropic | 2 | 0.9 | $0.061 | 16/23 | 7.51s |