Eșecuri pe categorii AI BENCHY
Inteligență generală: Nu a urmat instrucțiunile
Inteligență generală
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.
Motive de eșec
| Rang | Model | Companie | Număr de Nu a urmat instrucțiunile | Scor de categorie | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|
| #57 | GPT-5 Nano medium | OpenAI | 1 | 4.1 | 0/1 | 17.5s |
| #58 | GLM 5V Turbo none | Z.ai | 1 | 4.6 | 0/1 | 2.22s |
| #60 | Gemma 4 26B A4B none | 1 | 4.0 | 0/1 | 3.54s | |
| #63 | Qwen3.5-35B-A3B none | Qwen | 1 | 6.5 | 0/1 | 1.19s |
| #65 | MiMo-V2-Pro none | Xiaomi | 1 | 4.3 | 0/1 | 2.44s |
| #67 | Qwen3.5-27B none | Qwen | 1 | 5.0 | 0/1 | 2.51s |
| #68 | gpt-oss-120b medium | OpenAI | 1 | 4.3 | 0/1 | 7.90s |
| #69 | Kimi K2.6 none | Moonshot AI | 1 | 5.4 | 0/1 | 1.55s |
| #70 | Qwen3.5-122B-A10B none | Qwen | 1 | 5.0 | 0/1 | 1.12s |
| #71 | MiniMax M2.5 medium | Minimax | 1 | 3.8 | 0/1 | 6.63s |
| #72 | Hunter Alpha none | OpenRouter | 1 | 6.1 | 0/1 | 2.71s |
| #73 | Mistral Small 4 medium | Mistral | 1 | 4.8 | 0/1 | 2.05s |
| #77 | GLM 5 Turbo none | Z.ai | 1 | 4.2 | 0/1 | 2.18s |
| #78 | Trinity Large Preview none | Arcee AI | 1 | 4.4 | 0/1 | 2.86s |
| #79 | Grok 4.20 Beta none | X AI | 1 | 5.0 | 0/1 | 541ms |