Befolgung von Anweisungen: Falsche Antwort
Befolgung von Anweisungen
Falsche Antwort
Sieh, welche KI-Modelle bei Befolgung von Anweisungen am ehesten auf Falsche Antwort stoßen, damit du Schwachstellen schneller erkennst. Sortieren nach: Fehleranzahl ↑.
Fehlergründe
117/117
Modelle filtern
Keine Modelle entsprechen der aktuellen Suche und den Filtern.
| Rang | Modell | Unternehmen | Falsche Antwort-Anzahl | Kategorie-Score | Gesamtkosten | Korrekte Tests | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|
| #131 | Qwen3.7 Plus none | Qwen | 1 | 0.6 | $0.178 | 1/2 | 929ms |
| #146 | Space Bunny Alpha high | Stealth | 1 | 0.6 | $0.000 | 1/2 | 2.04s |
| #147 | GLM 5.1 medium | Z.ai | 1 | 0.6 | $1.546 | 1/2 | 7.47s |
| #158 | DeepSeek V4 Pro 0423 none | DeepSeek | 1 | 0.6 | $0.083 | 1/2 | 4.12s |
| #165 | LongCat 2.0 high | Meituan | 1 | 0.7 | $0.778 | 1/2 | 6.96s |
| #168 | Qwen3.5-27B none | Qwen | 1 | 0.6 | $0.116 | 1/2 | 1.03s |
| #174 | LongCat 2.0 medium | Meituan | 1 | 0.7 | $0.767 | 1/2 | 7.38s |
| #181 | Minimax M3.1 Flash low | Minimax | 1 | 0.6 | $0.000 | 1/2 | 1.60s |
| #194 | Minimax M3.1 Flash max | Minimax | 1 | 0.5 | $0.000 | 0/2 | 1.73s |
| #206 | Space Bunny Alpha max | Stealth | 1 | 0.6 | $0.000 | 0/2 | 3.78s |
| #210 | Qwen3.5-Flash none | Qwen | 1 | 0.6 | $0.089 | 1/2 | 8.81s |
| #219 | GPT-5.5 none | OpenAI | 1 | 0.6 | $1.212 | 1/2 | 1.15s |
| #221 | Qwen3.7 Flash medium | Qwen | 1 | 0.6 | $0.076 | 0/2 | 9.27s |
| #222 | LongCat 2.0 low | Meituan | 1 | 0.7 | $0.630 | 1/2 | 6.39s |
| #228 | Minimax M3.1 Flash high | Minimax | 1 | 0.5 | $0.000 | 0/2 | 1.65s |