Ranking für Rätsellösen x Anweisungen nicht befolgt

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

Angezeigte Modelle

Gesamtfehler

166

Am stärksten betroffenes Modell

Fehlergründe

Falsche Antwort352 Anweisungen nicht befolgt166 API-Fehler35 Zusätzliche Formatierung16 Keine Antwort14 Zeitüberschreitung11

Kategorien

Rätsellösen166 Allgemeine Intelligenz142 Befolgung von Anweisungen77 Anti-KI-Tricks52 Programmierung50 Werkzeugaufrufe13 Agentenaufgaben10 Datenanalyse und -extraktion8 Domänenspezifisch3 Kombiniert1

157/157

Rang	Modell	Unternehmen	Anweisungen nicht befolgt-Anzahl	Kategorie-Score	Gesamtkosten	Korrekte Tests	Antwortzeit (Durchschnitt)
#422	Grok Build 0.1 none	X AI	1	0.6	$0.547	1/3	9.55s
Gesamttests 3 Falsche Tests 2 Gesamtkosten $0.547 Antwortzeit (Durchschnitt) 9.55s
#430	d1-ultra default	Liquid	1	0.2	$0.003	0/1	485ms
Gesamttests 1 Falsche Tests 1 Gesamtkosten $0.003 Antwortzeit (Durchschnitt) 485ms
#431	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	1	0.3	$0.000	0/3	532ms
Gesamttests 3 Falsche Tests 3 Gesamtkosten $0.000 Antwortzeit (Durchschnitt) 532ms
#433	Decider V1.2 default	Perplexity	1	0.2	$0.001	0/1	490ms
Gesamttests 1 Falsche Tests 1 Gesamtkosten $0.001 Antwortzeit (Durchschnitt) 490ms
#436	GPT-6 Luna Decisions default	OpenAI	1	0.2	$0.005	0/1	414ms
Gesamttests 1 Falsche Tests 1 Gesamtkosten $0.005 Antwortzeit (Durchschnitt) 414ms
#438	Jev 1.14 default	Typesafe	1	0.2	$0.003	0/1	270ms
Gesamttests 1 Falsche Tests 1 Gesamtkosten $0.003 Antwortzeit (Durchschnitt) 270ms
#450	Nimble v3 9B default	Bespoke Labs	1	0.2	~$0.001	0/1	79ms
Gesamttests 1 Falsche Tests 1 Gesamtkosten ~$0.001 Antwortzeit (Durchschnitt) 79ms

Modelle filtern