Fehler-Ranking für Anweisungen nicht befolgt

AI BENCHY Fehler

Sieh, bei welchen KI-Modellen Anweisungen nicht befolgt besonders häufig auftritt, damit du Zuverlässigkeitsrisiken vor der Auswahl erkennst. Sortieren nach: Punktzahl ↑.

Angezeigte Modelle

Gesamtfehler

215

Am stärksten betroffenes Modell

Granite 4.1 8B 4

Kategorien

In der Kategorie Rätsellösen78 In der Kategorie Allgemeine Intelligenz74 In der Kategorie Anti-KI-Tricks30 In der Kategorie Programmierung14 In der Kategorie Befolgung von Anweisungen11 In der Kategorie Werkzeugaufrufe6 In der Kategorie Domänenspezifisch1 In der Kategorie Kombiniert1

Rang	Modell	Unternehmen	Anweisungen nicht befolgt-Anzahl	Punktzahl	Korrekte Tests	Antwortzeit (Durchschnitt)
#92	Laguna M.1 medium	Poolside	1	6.4	9/19	14.7s
#90	Gemini 3.1 Flash Lite none	Google	1	6.4	9/21	1.06s
#88	Qwen3.7 Plus none	Qwen	1	6.4	10/21	2.85s
#87	Gemini 3.1 Flash Lite minimal	Google	3	6.4	10/21	1.33s
#86	Grok 4.1 Fast medium	X AI	4	6.5	9/19	23.8s
#85	Gemma 4 31B none	Google	1	6.5	10/21	4.05s
#84	Grok 4.20 Multi Agent Beta medium	X AI	2	6.6	8/18	9.69s
#83	Step 3.5 Flash none	Stepfun	1	6.6	6/12	39.0s
#81	Mercury 2 medium	Inception	3	6.6	10/21	2.24s
#80	Mimo V2 Omni medium	Xiaomi	2	6.7	10/21	41.2s
#79	Hunter Alpha medium	OpenRouter	2	6.7	8/18	10.3s
#78	Qwen3.6 27B medium	Qwen	1	6.8	10/21	59.7s
#77	Claude Sonnet 4.6 none	Anthropic	1	6.8	11/21	5.04s
#76	Kimi K2.5 medium	Moonshot AI	2	6.8	10/21	98.4s
#75	Ring-2.6-1T medium	Inclusionai	2	6.9	11/21	61.3s

←

1 4 5 6 8

→

Anweisungen nicht befolgt-Fehler

Top-Modelle nach Anweisungen nicht befolgt-Anzahl

Anweisungen nicht befolgt-Anzahl vs Punktzahl

Top-Modelle nach Antwortzeit (Durchschnitt)