Respectarea instrucțiunilor: Răspuns greșit
Respectarea instrucțiunilor
Răspuns greșit
Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Respectarea instrucțiunilor, ca să găsești mai repede punctele slabe. Sortează după: Timp de răspuns (mediu) ↑.
Motive de eșec
117/117
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Răspuns greșit | Scor de categorie | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #434 | Decider V1.1 27B default | Perplexity | 1 | 0.2 | $0.002 | 0/1 | 333ms |
| #405 | Granite 4.1 8b default | IBM Granite | 1 | 0.4 | $0.007 | 0/2 | 344ms |
| #335 | Laguna XS 2.1 none | Poolside | 1 | 0.4 | $0.020 | 0/2 | 364ms |
| #344 | Mistral Small 4 none | Mistral | 1 | 0.7 | $0.047 | 1/2 | 380ms |
| #349 | Laguna S 2.1 medium | Poolside | 1 | 0.4 | $0.092 | 0/2 | 400ms |
| #377 | Laguna S 2.1 low | Poolside | 1 | 0.4 | $0.108 | 0/2 | 423ms |
| #441 | Decider Flash V1.2 default | Perplexity | 1 | 0.2 | $0.001 | 0/1 | 424ms |
| #425 | Laguna Xs.2 default | Poolside | 1 | 0.7 | $0.004 | 1/2 | 439ms |
| #416 | Grok 4.20 none | X AI | 1 | 0.6 | $0.057 | 1/2 | 445ms |
| #358 | Laguna S 2.1 high | Poolside | 1 | 0.5 | $0.145 | 0/2 | 453ms |
| #450 | Nimble v3 9B default | Bespoke Labs | 1 | 0.2 | ~$0.001 | 0/1 | 469ms |
| #397 | Mercury 2.5 none | Inception | 1 | 0.5 | $0.026 | 0/2 | 493ms |
| #433 | Decider V1.2 default | Perplexity | 1 | 0.2 | $0.001 | 0/1 | 508ms |
| #406 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 0.7 | $0.009 | 1/2 | 511ms |
| #238 | Qwen3.5-122B-A10B none | Qwen | 1 | 0.6 | $0.308 | 1/2 | 513ms |