AI BENCHY
Comparar Gráficos Metodologia
❤️ Made by XCS
Your ad here

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) ↑.

Modelos exibidos

41

Falhas totais

77

Modelo mais afetado

Mercury 2 1
Posição Modelo Empresa Contagem de Não seguiu as instruções Pontuação média Testes corretos Tempo de resposta (médio)
#51 Mercury 2 none Inception 1 3.4 4/16 596ms
#55 LFM2-24B-A2B none Liquid 2 2.6 1/16 811ms
#38 Gemini 2.5 Flash none Google 1 5.2 6/16 923ms
#22 Gemini 3.1 Flash Lite Preview none Google 2 7.1 10/16 1.33s
#44 GPT-5.4 none OpenAI 1 4.5 6/16 1.48s
#41 Qwen3.5-27B none Qwen 2 4.9 5/16 1.75s
#53 Grok 4.1 Fast none X AI 2 2.9 3/16 1.90s
#47 GPT-4o-mini none OpenAI 1 4.0 4/16 2.07s
#36 Mercury 2 medium Inception 4 5.3 7/16 2.36s
#54 MiMo-V2-Flash none Xiaomi 1 2.9 3/16 2.97s
#49 GLM 4.7 Flash none Z.ai 2 3.9 4/16 2.99s
#45 Trinity Large Preview none Arcee AI 2 4.2 5/16 3.15s
#17 Gemini 3.1 Flash Lite Preview low Google 1 7.3 11/16 3.36s
#37 Qwen3.5-Flash none Qwen 1 5.2 7/16 3.54s
#40 Qwen3.5-122B-A10B none Qwen 1 5.0 6/16 3.72s
#12 Gemini 3.1 Flash Lite Preview medium Google 1 7.5 11/16 3.83s
#42 Qwen3.5-35B-A3B none Qwen 2 4.7 6/16 4.10s
#25 Claude Sonnet 4.6 none Anthropic 1 6.8 10/16 5.57s
#19 GPT-5.3 Chat none OpenAI 2 7.3 10/16 5.96s
#15 GPT-5.2 Chat none OpenAI 1 7.4 11/16 7.03s
#48 Qwen3 Coder Next none Qwen 1 4.0 4/16 11.7s
#16 Gemini 2.5 Flash medium Google 1 7.4 11/16 12.4s
#50 Qwen3 Coder Next medium Qwen 5 3.5 3/16 12.5s
#27 GPT-5.2 medium OpenAI 3 6.5 10/16 15.3s
#14 GLM 5 medium Z.ai 1 7.4 11/16 16.2s
#3 GPT-5.3-Codex medium OpenAI 2 8.4 12/16 16.6s
#39 gpt-oss-120b medium OpenAI 4 5.1 7/16 16.7s
#9 GPT-5.4 medium OpenAI 2 8.0 12/16 20.1s
#32 GPT-5 Mini medium OpenAI 4 6.0 8/16 25.1s
#21 MiMo-V2-Flash medium Xiaomi 1 7.2 11/16 25.3s
#30 Grok 4.1 Fast medium X AI 3 6.2 9/16 26.3s
#13 Step 3.5 Flash medium Stepfun 3 7.4 10/16 29.1s
#52 GLM 4.7 Flash medium Z.ai 2 3.1 4/16 36.8s
#18 DeepSeek V3.2 medium DeepSeek 1 7.3 11/16 39.5s
#43 MiniMax M2.5 medium Minimax 3 4.7 5/16 43.0s
#34 GPT-5 Nano medium OpenAI 3 5.5 7/16 47.9s
#7 Qwen3.5-27B medium Qwen 2 8.2 12/16 52.1s
#23 Seed-2.0-Mini medium Bytedance Seed 1 6.9 10/16 65.1s
#8 Gemini 3.1 Flash Lite Preview high Google 1 8.2 12/16 68.8s
#28 Kimi K2.5 medium Moonshot AI 2 6.4 9/16 69.8s
#24 Qwen3.5-Flash medium Qwen 1 6.9 10/16 70.8s

Melhores modelos por Contagem de Não seguiu as instruções

Contagem de Não seguiu as instruções vs pontuação média

Melhores modelos por Tempo de resposta (médio)