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: Pontuação média ↓.

Modelos exibidos

41

Falhas totais

77

Modelo mais afetado

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

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)