Resolução de quebra-cabeças: Não seguiu as instruções
Resolução de quebra-cabeças
Não seguiu as instruções
Veja quais modelos de IA têm mais chance de encontrar Não seguiu as instruções em Resolução de quebra-cabeças, para identificar pontos fracos mais rápido. Ordenar por: Custo total ↓.
Motivos de falha
157/157
Filtrar modelos
Nenhum modelo corresponde à pesquisa e aos filtros atuais.
| Posição | Modelo | Empresa | Contagem de Não seguiu as instruções | Pontuação da categoria | Custo total | Testes corretos | Tempo de resposta (médio) |
|---|---|---|---|---|---|---|---|
| #400 | Grok 4.20 Multi Agent Beta medium | X AI | 1 | 0.7 | $5.599 | 1/3 | 5.19s |
| #90 | GLM 5.2 high | Z.ai | 1 | 0.6 | $4.632 | 1/3 | 33.7s |
| #272 | Claude Fable 5.1 low | Anthropic | 1 | 0.8 | $3.395 | 2/3 | 4.78s |
| #392 | Gemini 3.1 Flash Lite Preview high | 1 | 0.8 | $2.310 | 2/3 | 46.7s | |
| #130 | Grok 4.6 medium | X AI | 1 | 0.9 | $2.270 | 2/3 | 16.3s |
| #61 | GPT-5.4 medium | OpenAI | 1 | 0.8 | $2.213 | 2/3 | 9.14s |
| #25 | Claude Opus 5.5 high | Anthropic | 1 | 0.9 | $2.133 | 2/3 | 30.8s |
| #375 | Gemini 3.1 Flash Lite high | 2 | 0.6 | $2.044 | 1/3 | 50.8s | |
| #55 | Muse Spark 1.2 high | Meta | 1 | 0.8 | $2.018 | 2/3 | 10.1s |
| #40 | Muse Spark 1.3 high | Meta | 1 | 0.9 | $1.891 | 2/3 | 38.4s |
| #326 | Hy4 preview low | Tencent | 1 | 0.5 | $1.844 | 0/3 | 238.0s |
| #30 | Muse Spark Open high | Meta | 1 | 0.8 | $1.782 | 2/3 | 145.7s |
| #24 | Claude Opus 5.5 low | Anthropic | 1 | 0.9 | $1.733 | 2/3 | 29.8s |
| #57 | Muse Spark 1.1 medium | Meta | 1 | 0.8 | $1.665 | 2/3 | 42.5s |
| #201 | Kimi K2.6 medium | Moonshot AI | 1 | 0.6 | $1.594 | 1/3 | 25.1s |