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: کل لاگت ↓.
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) |
|---|---|---|---|---|---|---|---|
| #24 | Claude Opus 5.5 low | Anthropic | 1 | 0.9 | $1.733 | 19/23 | 25.7s |
| #57 | Muse Spark 1.1 medium | Meta | 2 | 0.9 | $1.665 | 16/23 | 27.0s |
| #201 | Kimi K2.6 medium | Moonshot AI | 2 | 0.7 | $1.594 | 12/23 | 121.3s |
| #56 | Muse Spark 1.2 medium | Meta | 3 | 0.9 | $1.590 | 15/23 | 21.3s |
| #66 | GPT-5.2 medium | OpenAI | 3 | 0.9 | $1.558 | 15/23 | 31.3s |
| #73 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.9 | $1.516 | 16/23 | 15.0s |
| #150 | Seed-2.0-Code high | Bytedance Seed | 1 | 0.7 | $1.448 | 12/23 | 124.9s |
| #79 | Claude Sonnet 5 medium | Anthropic | 1 | 0.9 | $1.438 | 16/23 | 15.0s |
| #149 | Mistral Large 4 high | Mistral | 2 | 0.8 | $1.391 | 12/23 | 263.7s |
| #38 | GPT-5.3-Codex medium | OpenAI | 2 | 0.9 | $1.318 | 17/23 | 18.9s |
| #121 | Gemini 3.5 Flash medium | 1 | 0.8 | $1.316 | 18/23 | 11.8s | |
| #154 | Seed-2.0-Code medium | Bytedance Seed | 1 | 0.7 | $1.275 | 11/23 | 100.6s |
| #62 | Muse Spark Open medium | Meta | 2 | 0.9 | $1.260 | 15/23 | 77.4s |
| #266 | Grok 4.20 medium | X AI | 2 | 0.6 | $1.246 | 11/23 | 36.7s |
| #87 | Inkling high | Thinkingmachines | 1 | 0.8 | $1.238 | 16/23 | 62.7s |