Falhas AI BENCHY
Falhas por Não seguiu as instruções
Veja quais modelos de IA encontram Não seguiu as instruções com mais frequência para identificar riscos de confiabilidade antes de escolher. Ordenar por: Tempo de resposta (médio) ↑.
| Posição | Modelo | Empresa | Contagem de Não seguiu as instruções | Pontuação | Testes corretos | Tempo de resposta (médio) |
|---|---|---|---|---|---|---|
| #53 | Gemini 3.1 Flash Lite high | 3 | 7.3 | 10/18 | 62.0s | |
| #49 | Qwen3.5-Flash medium | Qwen | 1 | 7.4 | 12/21 | 63.3s |
| #103 | DeepSeek V4 Pro high | DeepSeek | 1 | 6.0 | 8/21 | 65.2s |
| #129 | MiniMax M2.5 medium | Minimax | 3 | 5.3 | 5/21 | 65.4s |
| #12 | Gemini 3.1 Flash Lite Preview high | 1 | 8.6 | 13/16 | 68.1s | |
| #67 | MiniMax M3 medium | Minimax | 2 | 7.1 | 11/21 | 68.2s |
| #30 | Qwen3.5-27B medium | Qwen | 2 | 7.8 | 13/21 | 68.4s |
| #72 | DeepSeek V3.2 medium | DeepSeek | 1 | 7.0 | 11/21 | 68.7s |
| #60 | Kimi K2.6 medium | Moonshot AI | 2 | 7.2 | 12/21 | 71.7s |
| #62 | Step 3.5 Flash medium | Stepfun | 3 | 7.2 | 11/20 | 72.5s |
| #73 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 6.9 | 11/21 | 80.2s |
| #161 | Qwen3.5-9B medium | Qwen | 1 | 4.2 | 3/21 | 82.2s |
| #76 | Kimi K2.5 medium | Moonshot AI | 2 | 6.8 | 10/21 | 98.4s |