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
61/61
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) |
|---|---|---|---|---|---|---|---|
| #201 | Granite 4.1 8B none | IBM Granite | 1 | 3.6 | $0.007 | 0/2 | 344ms |
| #160 | Laguna XS 2.1 none | Poolside | 1 | 3.8 | $0.008 | 0/2 | 364ms |
| #165 | Mistral Small 4 none | Mistral | 1 | 6.5 | $0.022 | 1/2 | 380ms |
| #205 | Laguna Xs.2 none | Poolside | 1 | 6.5 | $0.004 | 1/2 | 439ms |
| #197 | Grok 4.20 none | X AI | 1 | 6.3 | $0.057 | 1/2 | 445ms |
| #142 | Qwen3.5-122B-A10B none | Qwen | 1 | 6.3 | $0.247 | 1/2 | 513ms |
| #169 | Qwen3.5-9B none | Qwen | 1 | 6.5 | $0.021 | 1/2 | 514ms |
| #208 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 1 | 4.8 | $0.000 | 0/2 | 541ms |
| #189 | Mercury 2 none | Inception | 1 | 6.5 | $0.030 | 1/2 | 551ms |
| #191 | Grok 4.20 Beta none | X AI | 1 | 6.3 | $0.087 | 1/2 | 649ms |
| #192 | Laguna M.1 none | Poolside | 1 | 6.3 | $0.009 | 1/2 | 683ms |
| #203 | Grok 4.1 Fast none | X AI | 1 | 3.0 | $0.008 | 0/2 | 685ms |
| #156 | Gemma 4 26B A4B none | 1 | 6.3 | $0.015 | 1/2 | 690ms | |
| #136 | GPT-5.4 Mini none | OpenAI | 1 | 6.3 | $0.095 | 1/2 | 728ms |
| #168 | MiMo-V2.5 none | Xiaomi | 1 | 6.5 | $0.025 | 1/2 | 751ms |