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) |
|---|---|---|---|---|---|---|---|
| #363 | Hy4 preview none | Tencent | 2 | 0.5 | $0.165 | 3/23 | 40.4s |
| #170 | Qwen3.8 27B medium | Qwen | 2 | 0.7 | ~$0.073 | 14/23 | 40.1s |
| #175 | GLM 5 medium | Z.ai | 1 | 0.7 | $0.479 | 15/22 | 39.0s |
| #442 | Step 3.5 Flash none | Stepfun | 1 | 0.2 | $0.020 | 6/12 | 39.0s |
| #265 | DeepSeek V4 Flash 0423 none | DeepSeek | 1 | 0.6 | $0.149 | 5/23 | 38.6s |
| #390 | Cobuddy medium | Baidu | 3 | 0.4 | $0.000 | 7/22 | 38.0s |
| #88 | Muse Spark 1.1 high | Meta | 2 | 0.8 | $2.570 | 13/23 | 37.4s |
| #362 | Qwen3.5-9B none | Qwen | 2 | 0.5 | $0.041 | 4/23 | 37.2s |
| #266 | Grok 4.20 medium | X AI | 2 | 0.6 | $1.246 | 11/23 | 36.7s |
| #206 | Space Bunny Alpha max | Stealth | 2 | 0.7 | $0.000 | 11/23 | 36.2s |
| #228 | Minimax M3.1 Flash high | Minimax | 4 | 0.7 | $0.000 | 9/23 | 34.0s |
| #141 | Muse Glimmer 30B medium | Meta | 1 | 0.8 | $0.288 | 12/23 | 34.0s |
| #276 | Apodex 1.1 Mini low | Apodex | 1 | 0.6 | $0.000 | 11/23 | 33.7s |
| #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 |