Clasament Inteligență generală x Nu a urmat instrucțiunile

Vezi ce modele AI au cele mai mari șanse să întâmpine Nu a urmat instrucțiunile la Inteligență generală, ca să găsești mai repede punctele slabe.

Modele afișate

Eșecuri totale

115

Modelul cel mai afectat

Grok 4.5 1

Motive de eșec

Nu a urmat instrucțiunile115 Răspuns greșit90 Eroare API14 Timp expirat4

Categorii

Rezolvare de puzzle-uri128 Inteligență generală115 Respectarea instrucțiunilor48 Trucuri anti-AI44 Programare29 Apelare instrumente12 Parsare și extragere de date7 Specific domeniului2 Combinat1

115/115

Rang	Model	Companie	Număr de Nu a urmat instrucțiunile	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#24	Grok 4.5 high	X AI	1	4.7	$2.252	0/1	9.82s
Total teste 1 Teste greșite 1 Cost total $2.252 Timp de răspuns (mediu) 9.82s
#25	GPT-5.3-Codex medium	OpenAI	1	4.6	$0.988	0/1	4.87s
Total teste 1 Teste greșite 1 Cost total $0.988 Timp de răspuns (mediu) 4.87s
#27	Seed 2.1 Turbo high	Bytedance Seed	1	6.5	$1.797	0/1	25.7s
Total teste 1 Teste greșite 1 Cost total $1.797 Timp de răspuns (mediu) 25.7s
#37	Muse Spark 1.2 medium	Meta	1	6.1	$1.339	0/1	10.7s
Total teste 1 Teste greșite 1 Cost total $1.339 Timp de răspuns (mediu) 10.7s
#41	Qwen3.8 Max low	Qwen	1	6.5	$0.702	0/1	5.29s
Total teste 1 Teste greșite 1 Cost total $0.702 Timp de răspuns (mediu) 5.29s
#42	GPT-5.4 medium	OpenAI	1	4.7	$1.560	0/1	4.92s
Total teste 1 Teste greșite 1 Cost total $1.560 Timp de răspuns (mediu) 4.92s
#44	Muse Spark 1.2 low	Meta	1	5.0	$0.655	0/1	8.46s
Total teste 1 Teste greșite 1 Cost total $0.655 Timp de răspuns (mediu) 8.46s
#47	GPT-5.2 medium	OpenAI	1	3.7	$1.182	0/1	4.32s
Total teste 1 Teste greșite 1 Cost total $1.182 Timp de răspuns (mediu) 4.32s
#48	Qwen3.8 27B high	Qwen	1	5.0	~$0.287	0/1	8.45s
Total teste 1 Teste greșite 1 Cost total ~$0.287 Timp de răspuns (mediu) 8.45s
#49	Seed 2.1 Turbo medium	Bytedance Seed	1	6.1	$1.951	0/1	40.6s
Total teste 1 Teste greșite 1 Cost total $1.951 Timp de răspuns (mediu) 40.6s
#53	Gemini 2.5 Flash medium	Google	1	4.8	$0.644	0/1	4.86s
Total teste 1 Teste greșite 1 Cost total $0.644 Timp de răspuns (mediu) 4.86s
#55	Claude Sonnet 5 medium	Anthropic	1	4.8	$0.922	0/1	4.32s
Total teste 1 Teste greșite 1 Cost total $0.922 Timp de răspuns (mediu) 4.32s
#57	GPT-5 Mini medium	OpenAI	1	4.5	$0.241	0/1	13.5s
Total teste 1 Teste greșite 1 Cost total $0.241 Timp de răspuns (mediu) 13.5s
#67	GPT-5.2 Chat none	OpenAI	1	4.4	$0.594	0/1	3.20s
Total teste 1 Teste greșite 1 Cost total $0.594 Timp de răspuns (mediu) 3.20s
#69	Qwen3.8 27B low	Qwen	1	5.0	~$0.071	0/1	5.37s
Total teste 1 Teste greșite 1 Cost total ~$0.071 Timp de răspuns (mediu) 5.37s

Filtrează modelele

Top modele după Număr de Nu a urmat instrucțiunile

Număr de Nu a urmat instrucțiunile vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimat

Inteligență generală: Nu a urmat instrucțiunile

Filtrează modelele

Top modele după Număr de Nu a urmat instrucțiunile

Număr de Nu a urmat instrucțiunile vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimatEstimarea include numai energia electrică a plăcii GPU. Restul computerului și achiziția hardware-ului nu sunt incluse. NVIDIA GeForce RTX 3090: 2.8999 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.286715.

Top modele după Cost irosit estimat