ہدایات پر عمل نہیں کیا ناکامی درجہ بندی

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۔

دکھائے گئے ماڈلز

کل ناکامیاں

387

سب سے زیادہ متاثر ماڈل

MiniMax M2.7 5

زمرے

زمرہ پہیلی حل کرنا میں128 زمرہ عمومی ذہانت میں116 زمرہ ہدایات کی پیروی میں48 زمرہ اینٹی اے آئی چالیں میں44 زمرہ کوڈنگ میں29 زمرہ ٹول کالنگ میں12 زمرہ ڈیٹا پارسنگ اور استخراج میں7 زمرہ ڈومین مخصوص میں2 زمرہ مشترکہ میں1

216/216

درجہ	ماڈل	کمپنی	ہدایات پر عمل نہیں کیا کی تعداد	اسکور	کل لاگت	درست ٹیسٹس	ردِعمل کا وقت (اوسط)
#46	Muse Spark 1.1 medium	Meta	2	8.6	$1.420	15/22	26.2s
کل ٹیسٹس 22 غلط ٹیسٹس 7 کل لاگت $1.420 ردِعمل کا وقت (اوسط) 26.2s
#50	GPT-5.4 medium	OpenAI	2	8.5	$1.560	15/22	22.9s
کل ٹیسٹس 22 غلط ٹیسٹس 7 کل لاگت $1.560 ردِعمل کا وقت (اوسط) 22.9s
#56	Qwen3.8 27B high	Qwen	2	8.4	~$0.287	16/22	167.9s
کل ٹیسٹس 22 غلط ٹیسٹس 6 کل لاگت ~$0.287 ردِعمل کا وقت (اوسط) 167.9s
#58	Inkling Small high	Thinkingmachines	2	8.4	$0.398	14/22	30.4s
کل ٹیسٹس 22 غلط ٹیسٹس 8 کل لاگت $0.398 ردِعمل کا وقت (اوسط) 30.4s
#68	Muse Spark 1.1 high	Meta	2	8.0	$2.253	12/22	36.9s
کل ٹیسٹس 22 غلط ٹیسٹس 10 کل لاگت $2.253 ردِعمل کا وقت (اوسط) 36.9s
#70	DeepSeek V4 Flash 0731 high	DeepSeek	2	8.0	$0.134	14/22	114.9s
کل ٹیسٹس 22 غلط ٹیسٹس 8 کل لاگت $0.134 ردِعمل کا وقت (اوسط) 114.9s
#84	Qwen3.8 27B medium	Qwen	2	7.8	~$0.058	14/22	33.0s
کل ٹیسٹس 22 غلط ٹیسٹس 8 کل لاگت ~$0.058 ردِعمل کا وقت (اوسط) 33.0s
#85	Seed-2.0-Lite medium	Bytedance Seed	2	7.8	$0.236	13/22	47.9s
کل ٹیسٹس 22 غلط ٹیسٹس 9 کل لاگت $0.236 ردِعمل کا وقت (اوسط) 47.9s
#91	DeepSeek V4 Pro high	DeepSeek	2	7.7	$0.454	10/22	92.5s
کل ٹیسٹس 22 غلط ٹیسٹس 12 کل لاگت $0.454 ردِعمل کا وقت (اوسط) 92.5s
#92	DeepSeek V4 Flash 0423 high	DeepSeek	2	7.6	$0.042	13/22	51.8s
کل ٹیسٹس 22 غلط ٹیسٹس 9 کل لاگت $0.042 ردِعمل کا وقت (اوسط) 51.8s
#98	GPT-5.4 Nano medium	OpenAI	2	7.5	$0.142	12/22	13.3s
کل ٹیسٹس 22 غلط ٹیسٹس 10 کل لاگت $0.142 ردِعمل کا وقت (اوسط) 13.3s
#100	MiniMax M3 medium	Minimax	2	7.5	$0.300	11/22	75.2s
کل ٹیسٹس 22 غلط ٹیسٹس 11 کل لاگت $0.300 ردِعمل کا وقت (اوسط) 75.2s
#101	GPT 5.3 Chat none	OpenAI	2	7.5	$0.533	13/22	6.56s
کل ٹیسٹس 22 غلط ٹیسٹس 9 کل لاگت $0.533 ردِعمل کا وقت (اوسط) 6.56s
#103	Qwen3.5-27B medium	Qwen	2	7.5	$0.982	13/22	113.3s
کل ٹیسٹس 22 غلط ٹیسٹس 9 کل لاگت $0.982 ردِعمل کا وقت (اوسط) 113.3s
#113	Qwen3.8 2.4T A95B high	Qwen	2	7.4	$2.357	14/22	120.6s
کل ٹیسٹس 22 غلط ٹیسٹس 8 کل لاگت $2.357 ردِعمل کا وقت (اوسط) 120.6s

ہدایات پر عمل نہیں کیا ناکامیاں

ماڈلز فلٹر کریں

ہدایات پر عمل نہیں کیا کی تعداد کے لحاظ سے سرفہرست ماڈلز

ہدایات پر عمل نہیں کیا کی تعداد بمقابلہ اسکور

ردِعمل کا وقت (اوسط) کے لحاظ سے سرفہرست ماڈلز