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

522

سب سے زیادہ متاثر ماڈل

Claude Sonnet 5.5 5

زمرے

زمرہ پہیلی حل کرنا میں166 زمرہ عمومی ذہانت میں142 زمرہ ہدایات کی پیروی میں77 زمرہ اینٹی اے آئی چالیں میں52 زمرہ کوڈنگ میں50 زمرہ ٹول کالنگ میں13 زمرہ خودمختار ایجنٹ کے کام میں10 زمرہ ڈیٹا پارسنگ اور استخراج میں8 زمرہ ڈومین مخصوص میں3 زمرہ مشترکہ میں1

293/293

درجہ	ماڈل	کمپنی	ہدایات پر عمل نہیں کیا کی تعداد	اسکور	کل لاگت	درست ٹیسٹس	ردِعمل کا وقت (اوسط)
#149	Mistral Large 4 high	Mistral	2	0.8	$1.391	12/23	263.7s
کل ٹیسٹس 23 غلط ٹیسٹس 11 کل لاگت $1.391 ردِعمل کا وقت (اوسط) 263.7s
#157	Inkling Small high	Thinkingmachines	2	0.7	$0.398	14/23	29.1s
کل ٹیسٹس 23 غلط ٹیسٹس 9 کل لاگت $0.398 ردِعمل کا وقت (اوسط) 29.1s
#158	DeepSeek V4 Pro 0423 none	DeepSeek	2	0.7	$0.083	10/23	14.1s
کل ٹیسٹس 23 غلط ٹیسٹس 13 کل لاگت $0.083 ردِعمل کا وقت (اوسط) 14.1s
#161	GLM 5.3 Flash high	Z.ai	2	0.7	$0.056	13/23	29.1s
کل ٹیسٹس 23 غلط ٹیسٹس 10 کل لاگت $0.056 ردِعمل کا وقت (اوسط) 29.1s
#164	Gemini 2.5 Flash medium	Google	2	0.7	$0.680	15/23	20.5s
کل ٹیسٹس 23 غلط ٹیسٹس 8 کل لاگت $0.680 ردِعمل کا وقت (اوسط) 20.5s
#165	LongCat 2.0 high	Meituan	2	0.7	$0.778	10/23	151.7s
کل ٹیسٹس 23 غلط ٹیسٹس 13 کل لاگت $0.778 ردِعمل کا وقت (اوسط) 151.7s
#168	Qwen3.5-27B none	Qwen	2	0.7	$0.116	10/23	9.98s
کل ٹیسٹس 23 غلط ٹیسٹس 13 کل لاگت $0.116 ردِعمل کا وقت (اوسط) 9.98s
#170	Qwen3.8 27B medium	Qwen	2	0.7	~$0.073	14/23	40.1s
کل ٹیسٹس 23 غلط ٹیسٹس 9 کل لاگت ~$0.073 ردِعمل کا وقت (اوسط) 40.1s
#179	Qwen3.8 Flash Next xhigh	Qwen	2	0.7	~$0.195	14/23	102.7s
کل ٹیسٹس 23 غلط ٹیسٹس 9 کل لاگت ~$0.195 ردِعمل کا وقت (اوسط) 102.7s
#182	MiMo-V2.6-Flash low	Xiaomi	2	0.7	$0.200	12/23	54.6s
کل ٹیسٹس 23 غلط ٹیسٹس 11 کل لاگت $0.200 ردِعمل کا وقت (اوسط) 54.6s
#201	Kimi K2.6 medium	Moonshot AI	2	0.7	$1.594	12/23	121.3s
کل ٹیسٹس 23 غلط ٹیسٹس 11 کل لاگت $1.594 ردِعمل کا وقت (اوسط) 121.3s
#203	Inkling low	Thinkingmachines	2	0.7	$0.293	11/23	6.81s
کل ٹیسٹس 23 غلط ٹیسٹس 12 کل لاگت $0.293 ردِعمل کا وقت (اوسط) 6.81s
#206	Space Bunny Alpha max	Stealth	2	0.7	$0.000	11/23	36.2s
کل ٹیسٹس 23 غلط ٹیسٹس 12 کل لاگت $0.000 ردِعمل کا وقت (اوسط) 36.2s
#211	Solar Pro 4 low	Upstage	2	0.7	$0.101	11/23	145.2s
کل ٹیسٹس 23 غلط ٹیسٹس 12 کل لاگت $0.101 ردِعمل کا وقت (اوسط) 145.2s
#212	Grok 4.7 high	X AI	2	0.7	$3.037	13/23	122.2s
کل ٹیسٹس 23 غلط ٹیسٹس 10 کل لاگت $3.037 ردِعمل کا وقت (اوسط) 122.2s

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