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) |
|---|---|---|---|---|---|---|
| #134 | GLM 5 Turbo none | Z.ai | 1 | 4.2 | 0/1 | 2.18s |
| #136 | Elephant Alpha medium | Openrouter | 1 | 4.3 | 0/1 | 920ms |
| #137 | Elephant Alpha none | Openrouter | 1 | 4.0 | 0/1 | 854ms |
| #144 | GPT-5.4 Mini none | OpenAI | 1 | 4.8 | 0/1 | 1.82s |
| #148 | GPT-5.4 Nano none | OpenAI | 1 | 3.8 | 0/1 | 1.31s |
| #150 | Qwen3 Coder Next medium | Qwen | 1 | 6.3 | 0/1 | 1.39s |
| #151 | Trinity Large Preview none | Arcee AI | 1 | 4.5 | 0/1 | 873ms |
| #152 | MiMo-V2-Flash none | Xiaomi | 1 | 4.6 | 0/1 | 1.67s |
| #154 | Qwen3.5-9B none | Qwen | 1 | 4.4 | 0/1 | 552ms |
| #155 | Mercury 2 none | Inception | 1 | 4.8 | 0/1 | 628ms |
| #156 | Hy3 preview none | Tencent | 1 | 4.1 | 0/1 | 16.1s |
| #157 | Grok 4.1 Fast none | X AI | 1 | 4.4 | 0/1 | 1.08s |
| #159 | Ling-2.6-1T none | Inclusionai | 1 | 5.0 | 0/1 | 20.3s |
| #160 | LFM2-24B-A2B none | Liquid | 1 | 4.0 | 0/1 | 395ms |