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) |
|---|---|---|---|---|---|---|---|
| #71 | DeepSeek V4.1 Flash max | DeepSeek | 1 | 0.9 | $1.204 | 15/23 | 61.6s |
| #187 | Kimi K2.7 Code medium | Moonshot AI | 1 | 0.7 | $1.136 | 11/23 | 81.2s |
| #116 | Qwen3.5-27B medium | Qwen | 2 | 0.8 | $1.135 | 14/23 | 114.7s |
| #119 | GPT-5.4 Mini medium | OpenAI | 3 | 0.8 | $1.102 | 13/23 | 29.9s |
| #227 | Claude Sonnet 5.5 medium | Anthropic | 3 | 0.7 | $1.100 | 9/23 | 8.03s |
| #292 | Claude Sonnet 5 none | Anthropic | 1 | 0.6 | $1.095 | 7/23 | 8.60s |
| #60 | Qwen3.8 MAX low | Qwen | 1 | 0.9 | $1.089 | 17/23 | 25.1s |
| #177 | Qwen3.6 27B medium | Qwen | 1 | 0.7 | $1.021 | 11/23 | 107.8s |
| #236 | Grok 4.3 medium | X AI | 2 | 0.6 | $0.989 | 12/23 | 44.5s |
| #264 | Trinity Large Thinking low | Arcee AI | 3 | 0.6 | $0.918 | 8/23 | 95.2s |
| #78 | Muse Spark 1.3 low | Meta | 1 | 0.9 | $0.911 | 16/23 | 17.7s |
| #199 | Claude Sonnet 5.5 low | Anthropic | 5 | 0.7 | $0.909 | 10/23 | 7.46s |
| #72 | Muse Spark 1.1 low | Meta | 3 | 0.9 | $0.885 | 14/23 | 13.2s |
| #65 | Muse Spark 1.2 low | Meta | 3 | 0.9 | $0.881 | 16/23 | 11.8s |
| #105 | Seed-2.0-Code low | Bytedance Seed | 1 | 0.8 | $0.881 | 14/23 | 73.0s |