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

142

Modelul cel mai afectat

Claude Sonnet 5.5 1

Motive de eșec

Nu a urmat instrucțiunile142 Răspuns greșit134 Eroare API17 Timp expirat4

Categorii

Rezolvare de puzzle-uri166 Inteligență generală142 Respectarea instrucțiunilor77 Trucuri anti-AI52 Programare50 Apelare instrumente13 Sarcini agentice10 Parsare și extragere de date8 Specific domeniului3 Combinat1

142/142

Rang	Model	Companie	Număr de Nu a urmat instrucțiunile	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#143	Qwen3.8 Flash Next medium	Qwen	1	0.5	~$0.047	0/1	7.29s
Total teste 1 Teste greșite 1 Cost total ~$0.047 Timp de răspuns (mediu) 7.29s
#145	Qwen3.8 27B low	Qwen	1	0.5	~$0.089	0/1	5.37s
Total teste 1 Teste greșite 1 Cost total ~$0.089 Timp de răspuns (mediu) 5.37s
#148	Seed-2.0-Mini medium	Bytedance Seed	1	0.5	$0.140	0/1	36.7s
Total teste 1 Teste greșite 1 Cost total $0.140 Timp de răspuns (mediu) 36.7s
#154	Seed-2.0-Code medium	Bytedance Seed	1	0.5	$1.275	0/1	11.4s
Total teste 1 Teste greșite 1 Cost total $1.275 Timp de răspuns (mediu) 11.4s
#155	GLM 5.3 FlashX high	Z.ai	1	0.6	$0.210	0/1	2.28s
Total teste 1 Teste greșite 1 Cost total $0.210 Timp de răspuns (mediu) 2.28s
#161	GLM 5.3 Flash high	Z.ai	1	0.5	$0.056	0/1	3.33s
Total teste 1 Teste greșite 1 Cost total $0.056 Timp de răspuns (mediu) 3.33s
#164	Gemini 2.5 Flash medium	Google	1	0.5	$0.680	0/1	4.86s
Total teste 1 Teste greșite 1 Cost total $0.680 Timp de răspuns (mediu) 4.86s
#166	Qwen3.6 Plus medium	Qwen	1	0.5	$0.554	0/1	27.1s
Total teste 1 Teste greșite 1 Cost total $0.554 Timp de răspuns (mediu) 27.1s
#167	Gemini 3.5 Flash Lite medium	Google	1	0.5	$0.440	0/1	2.97s
Total teste 1 Teste greșite 1 Cost total $0.440 Timp de răspuns (mediu) 2.97s
#168	Qwen3.5-27B none	Qwen	1	0.5	$0.116	0/1	2.51s
Total teste 1 Teste greșite 1 Cost total $0.116 Timp de răspuns (mediu) 2.51s
#170	Qwen3.8 27B medium	Qwen	1	0.5	~$0.073	0/1	9.20s
Total teste 1 Teste greșite 1 Cost total ~$0.073 Timp de răspuns (mediu) 9.20s
#175	GLM 5 medium	Z.ai	1	0.6	$0.479	0/1	14.7s
Total teste 1 Teste greșite 1 Cost total $0.479 Timp de răspuns (mediu) 14.7s
#177	Qwen3.6 27B medium	Qwen	1	0.6	$1.021	0/1	39.5s
Total teste 1 Teste greșite 1 Cost total $1.021 Timp de răspuns (mediu) 39.5s
#179	Qwen3.8 Flash Next xhigh	Qwen	1	0.5	~$0.195	0/1	3.95s
Total teste 1 Teste greșite 1 Cost total ~$0.195 Timp de răspuns (mediu) 3.95s
#180	GLM 5.3 FlashX medium	Z.ai	1	0.3	$0.114	0/1	1.79s
Total teste 1 Teste greșite 1 Cost total $0.114 Timp de răspuns (mediu) 1.79s

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: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

Top modele după Cost irosit estimat