AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Fehler

Anweisungen nicht befolgt-Fehler

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

Angezeigte Modelle

15

Gesamtfehler

180

Am stärksten betroffenes Modell

LFM2-24B-A2B 2

Kategorien

In der Kategorie Rätsellösen75 In der Kategorie Allgemeine Intelligenz58 In der Kategorie Befolgung von Anweisungen22 In der Kategorie Anti-KI-Tricks17 In der Kategorie Werkzeugaufrufe6 In der Kategorie Programmierung2
Rang Modell Unternehmen Anweisungen nicht befolgt-Anzahl Punktzahl Korrekte Tests Antwortzeit (Durchschnitt)
#30 Step 3.5 Flash medium Stepfun 3 7.9 11/17 26.8s
#18 GLM 5 Turbo medium Z.ai 2 8.1 12/18 17.7s
#23 MiMo-V2-Pro medium Xiaomi 1 8.1 12/18 12.3s
#25 Grok 4.20 Beta medium X AI 3 8.0 12/18 9.81s
#27 DeepSeek V3.2 medium DeepSeek 1 8.0 12/18 46.4s
#28 GPT-5.2 Chat none OpenAI 1 7.9 12/18 6.84s
#29 Gemini 3.1 Flash Lite Preview none Google 2 7.9 12/18 1.30s
#6 Seed-2.0-Lite medium Bytedance Seed 2 8.6 13/18 30.4s
#7 GPT-5.3-Codex medium OpenAI 2 8.6 13/18 15.4s
#10 Qwen3.5-27B medium Qwen 2 8.4 13/18 53.0s
#13 GLM 5 medium Z.ai 1 8.4 13/18 23.3s
#14 Gemma 4 31B medium Google 1 8.3 13/18 24.9s
#15 Gemini 2.5 Flash medium Google 1 8.2 13/18 12.1s
#16 GPT-5.4 medium OpenAI 2 8.2 13/18 18.6s
#17 Gemini 3.1 Flash Lite Preview medium Google 1 8.2 13/18 3.74s

Top-Modelle nach Anweisungen nicht befolgt-Anzahl

Anweisungen nicht befolgt-Anzahl vs Punktzahl

Top-Modelle nach Antwortzeit (Durchschnitt)