Ranking für Programmierung x Anweisungen nicht befolgt

Sieh, welche KI-Modelle bei Programmierung am ehesten auf Anweisungen nicht befolgt stoßen, damit du Schwachstellen schneller erkennst.

Angezeigte Modelle

Gesamtfehler

Am stärksten betroffenes Modell

Fehlergründe

Falsche Antwort456 API-Fehler64 Anweisungen nicht befolgt41 Keine Antwort41 Zusätzliche Formatierung36 Zeitüberschreitung24

Kategorien

Rätsellösen147 Allgemeine Intelligenz134 Befolgung von Anweisungen65 Anti-KI-Tricks49 Programmierung41 Werkzeugaufrufe12 Agentenaufgaben10 Datenanalyse und -extraktion8 Domänenspezifisch3 Kombiniert1

38/38

Rang	Modell	Unternehmen	Anweisungen nicht befolgt-Anzahl	Kategorie-Score	Gesamtkosten	Korrekte Tests	Antwortzeit (Durchschnitt)
#365	Qwen3.5-9B medium	Qwen	1	0.3	$0.106	0/3	100.9s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.106 Antwortzeit (Durchschnitt) 100.9s
#368	Grok 4.1 Fast medium	X AI	1	0.8	$0.069	0/1	23.6s
Gesamttests 1 Falsche Tests 1 Gesamtkosten $0.069 Antwortzeit (Durchschnitt) 23.6s
#369	Laguna M.1 medium	Poolside	1	0.1	$0.033	0/1	35.6s
Gesamttests 1 Falsche Tests 1 Gesamtkosten $0.033 Antwortzeit (Durchschnitt) 35.6s
#371	Granite 4.1 8b default	IBM Granite	1	0.4	$0.007	0/3	775ms
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.007 Antwortzeit (Durchschnitt) 775ms
#373	Ling 3.0 Tiny high	Inclusionai	1	0.3	$0.000	0/3	177.7s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.000 Antwortzeit (Durchschnitt) 177.7s
#374	Ling 3.0 Tiny low	Inclusionai	1	0.3	$0.000	0/3	170.7s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.000 Antwortzeit (Durchschnitt) 170.7s
#375	Ling 3.0 Tiny medium	Inclusionai	1	0.3	$0.000	0/3	212.0s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.000 Antwortzeit (Durchschnitt) 212.0s
#385	MiMo-V2-Flash default	Xiaomi	1	0.4	$0.025	0/3	2.64s
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.025 Antwortzeit (Durchschnitt) 2.64s

Modelle filtern