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) |
|---|---|---|---|---|---|---|
| #111 | Owl Alpha medium | Openrouter | 1 | 4.3 | 0/1 | 58.6s |
| #113 | DeepSeek V4 Pro none | DeepSeek | 1 | 4.3 | 0/1 | 3.75s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 4.8 | 0/1 | 1.41s |
| #115 | Qwen3.5-27B none | Qwen | 1 | 5.0 | 0/1 | 2.51s |
| #116 | Hunter Alpha none | OpenRouter | 1 | 6.1 | 0/1 | 2.71s |
| #117 | Qwen3.5-35B-A3B none | Qwen | 1 | 6.5 | 0/1 | 1.19s |
| #118 | Qwen3.6 27B none | Qwen | 1 | 5.2 | 0/1 | 1.07s |
| #119 | Cobuddy medium | Baidu | 1 | 4.2 | 0/1 | 23.2s |
| #120 | Mimo V2 PRO none | Xiaomi | 1 | 4.3 | 0/1 | 2.44s |
| #121 | Owl Alpha none | Openrouter | 1 | 4.3 | 0/1 | 4.61s |
| #124 | Kimi K2.6 none | Moonshot AI | 1 | 5.4 | 0/1 | 1.55s |
| #129 | MiniMax M2.5 medium | Minimax | 1 | 3.8 | 0/1 | 6.63s |
| #130 | MiniMax M2.7 medium | Minimax | 1 | 3.9 | 0/1 | 38.7s |
| #131 | Qwen3.5-122B-A10B none | Qwen | 1 | 5.0 | 0/1 | 1.12s |
| #132 | Mistral Small 4 medium | Mistral | 1 | 4.8 | 0/1 | 2.05s |