AI BENCHY
Advertise here

Eșecuri pe categorii AI BENCHY

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) ↑.

Modele afișate

15

Eșecuri totale

53

Modelul cel mai afectat

Granite 4.1 8B 1
Rang Model Companie Număr de Răspuns greșit Scor de categorie Teste corecte Timp de răspuns (mediu)
#163 Granite 4.1 8B none IBM Granite 1 3.6 0/2 344ms
#142 Mistral Small 4 none Mistral 1 6.5 1/2 380ms
#146 Laguna Xs.2 none Poolside 1 6.5 1/2 439ms
#127 Grok 4.20 none X AI 1 6.3 1/2 445ms
#131 Qwen3.5-122B-A10B none Qwen 1 6.3 1/2 513ms
#154 Qwen3.5-9B none Qwen 1 6.5 1/2 514ms
#162 Nemotron 3 Nano Omni 30b A3b Reasoning none NVIDIA 1 4.8 0/2 541ms
#155 Mercury 2 none Inception 1 6.5 1/2 551ms
#106 Grok 4.20 Beta none X AI 1 6.3 1/2 649ms
#145 Laguna M.1 none Poolside 1 6.3 1/2 683ms
#157 Grok 4.1 Fast none X AI 1 3.0 0/2 685ms
#102 Gemma 4 26B A4B none Google 1 6.3 1/2 690ms
#144 GPT-5.4 Mini none OpenAI 1 6.3 1/2 728ms
#143 MiMo-V2.5 none Xiaomi 1 6.5 1/2 751ms
#160 LFM2-24B-A2B none Liquid 1 6.3 1/2 752ms

Top modele după Număr de Răspuns greșit

Număr de Răspuns greșit vs Scor

Top modele după Timp de răspuns (mediu)

Top modele după Cost irosit estimat