Sarcini agentice: Nu a urmat instrucțiunile
Sarcini agentice
Nu a urmat instrucțiunile
Vezi ce modele AI au cele mai mari șanse să întâmpine Nu a urmat instrucțiunile la Sarcini agentice, ca să găsești mai repede punctele slabe.
Motive de eșec
10/10
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Nu a urmat instrucțiunile | Scor de categorie | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #167 | Step 3.7 Flash medium | Stepfun | 1 | 0.7 | $0.571 | 0/1 | 93.9s |
| #199 | GLM 5.3 Flash high | Z.ai | 1 | 0.7 | $0.056 | 0/1 | 111.5s |
| #202 | Gemini 2.5 Flash medium | 1 | 0.3 | $0.680 | 0/1 | 6.54s | |
| #261 | Qwen3.7 Flash medium | Qwen | 1 | 0.5 | $0.076 | 0/1 | 149.0s |
| #293 | Qwen3.5-35B-A3B medium | Qwen | 1 | 0.7 | $0.716 | 0/1 | 126.8s |
| #305 | Trinity Large Thinking low | Arcee AI | 1 | 0.7 | $0.918 | 0/1 | 63.2s |
| #364 | Gemini 2.5 Flash none | 1 | 0.3 | $0.017 | 0/1 | 1.81s | |
| #416 | Laguna S 2.1 none | Poolside | 1 | 0.5 | $0.044 | 0/1 | 149.3s |
| #423 | Laguna S 2.1 low | Poolside | 1 | 0.3 | $0.108 | 0/1 | 152.1s |
| #437 | Mercury 2 none | Inception | 1 | 0.3 | $0.033 | 0/1 | 9.00s |