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: Teste corecte ↑.
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) |
|---|---|---|---|---|---|---|---|
| #194 | Minimax M3.1 Flash max | Minimax | 1 | 0.5 | $0.000 | 0/2 | 1.73s |
| #206 | Space Bunny Alpha max | Stealth | 1 | 0.6 | $0.000 | 0/2 | 3.78s |
| #221 | Qwen3.7 Flash medium | Qwen | 1 | 0.6 | $0.076 | 0/2 | 9.27s |
| #228 | Minimax M3.1 Flash high | Minimax | 1 | 0.5 | $0.000 | 0/2 | 1.65s |
| #243 | Minimax M3.1 Flash xhigh | Minimax | 1 | 0.5 | $0.000 | 0/2 | 1.72s |
| #256 | Minimax M3.1 Flash medium | Minimax | 1 | 0.5 | $0.000 | 0/2 | 1.72s |
| #264 | Trinity Large Thinking low | Arcee AI | 1 | 0.4 | $0.918 | 0/2 | 4.07s |
| #267 | Space Bunny Alpha xhigh | Stealth | 1 | 0.6 | $0.000 | 0/2 | 2.22s |
| #270 | DeepSeek V4 Flash 0731 none | DeepSeek | 1 | 0.5 | $0.053 | 0/2 | 1.42s |
| #275 | Trinity Large Thinking medium | Arcee AI | 1 | 0.4 | $0.862 | 0/2 | 3.99s |
| #280 | Granite 4.2 8B medium | IBM Granite | 1 | 0.4 | $0.029 | 0/2 | 36.9s |
| #308 | Space Bunny Alpha low | Stealth | 1 | 0.4 | $0.000 | 0/2 | 1.43s |
| #332 | Granite 4.2 8B low | IBM Granite | 1 | 0.3 | $0.036 | 0/2 | 75.8s |
| #335 | Laguna XS 2.1 none | Poolside | 1 | 0.4 | $0.020 | 0/2 | 364ms |
| #338 | Ling 3.0 Flash none | Inclusionai | 1 | 0.5 | $0.004 | 0/2 | 836ms |