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: درست ٹیسٹس ↓.
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 |
| #25 | Claude Opus 5.5 high | Anthropic | 1 | 0.9 | $2.133 | 19/23 | 27.6s |
| #392 | Gemini 3.1 Flash Lite Preview high | 1 | 0.4 | $2.310 | 13/16 | 68.1s | |
| #34 | Claude Sonnet 5.5 max | Anthropic | 2 | 0.9 | $8.557 | 18/23 | 84.3s |
| #37 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.9 | $3.306 | 18/23 | 186.1s |
| #39 | Claude Haiku 5.5 xhigh | Anthropic | 1 | 0.9 | $0.140 | 18/23 | 16.6s |
| #121 | Gemini 3.5 Flash medium | 1 | 0.8 | $1.316 | 18/23 | 11.8s | |
| #355 | Grok 4.20 Beta medium | X AI | 1 | 0.5 | $0.750 | 14/18 | 9.75s |
| #30 | Muse Spark Open high | Meta | 1 | 0.9 | $1.782 | 17/23 | 152.0s |
| #38 | GPT-5.3-Codex medium | OpenAI | 2 | 0.9 | $1.318 | 17/23 | 18.9s |
| #40 | Muse Spark 1.3 high | Meta | 2 | 0.9 | $1.891 | 17/23 | 52.9s |
| #43 | Seed 2.1 Turbo high | Bytedance Seed | 1 | 0.9 | $1.892 | 17/23 | 170.5s |
| #53 | GLM 5.3 Flash max | Z.ai | 1 | 0.9 | $0.089 | 17/23 | 54.0s |
| #60 | Qwen3.8 MAX low | Qwen | 1 | 0.9 | $1.089 | 17/23 | 25.1s |
| #67 | Qwen3.8 27B high | Qwen | 2 | 0.9 | ~$0.298 | 17/23 | 166.3s |