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 ↓.
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) |
|---|---|---|---|---|---|---|---|
| #196 | MiniMax M2.5 medium | Minimax | 3 | 4.6 | $0.340 | 5/22 | 68.3s |
| #115 | Mimo V2 PRO medium | Xiaomi | 1 | 6.3 | $0.333 | 12/21 | 22.2s |
| #53 | GLM 5 Turbo medium | Z.ai | 1 | 7.6 | $0.323 | 14/21 | 23.0s |
| #46 | GLM 5 medium | Z.ai | 1 | 7.7 | $0.307 | 15/21 | 33.5s |
| #92 | Gemini 3.5 Flash minimal | 1 | 6.8 | $0.300 | 14/22 | 2.65s | |
| #51 | MiniMax M3 medium | Minimax | 2 | 7.6 | $0.286 | 12/22 | 75.0s |
| #123 | GPT-5.6 Luna low | OpenAI | 1 | 6.2 | $0.249 | 10/22 | 5.04s |
| #148 | Qwen3.5-122B-A10B none | Qwen | 2 | 5.7 | $0.247 | 6/22 | 12.9s |
| #29 | GPT-5 Mini medium | OpenAI | 3 | 8.1 | $0.237 | 12/22 | 27.6s |
| #39 | Seed-2.0-Lite medium | Bytedance Seed | 2 | 7.9 | $0.234 | 14/22 | 48.5s |
| #50 | DeepSeek V4 Pro high | DeepSeek | 2 | 7.7 | $0.200 | 10/22 | 79.1s |
| #88 | MiMo-V2.5-Pro medium | Xiaomi | 2 | 6.9 | $0.187 | 12/22 | 33.9s |
| #129 | Inkling low | Thinkingmachines | 2 | 6.1 | $0.187 | 10/22 | 5.15s |
| #144 | Kimi K2.6 none | Moonshot AI | 3 | 5.8 | $0.184 | 7/22 | 19.6s |
| #200 | GLM 4.7 Flash medium | Z.ai | 2 | 4.3 | $0.166 | 4/22 | 142.6s |