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.
Motive de eșec
82/82
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) |
|---|---|---|---|---|---|---|---|
| #190 | Qwen3.6 Flash none | Qwen | 1 | 6.3 | $0.062 | 1/2 | 1.10s |
| #191 | Gemma 4 31B none | 1 | 6.5 | $0.016 | 1/2 | 2.84s | |
| #192 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 6.2 | $0.122 | 1/2 | 1.17s |
| #194 | Trinity Large Thinking low | Arcee AI | 1 | 4.4 | $0.625 | 0/2 | 4.07s |
| #200 | Qwen3.5-Flash none | Qwen | 1 | 6.3 | $0.073 | 1/2 | 8.81s |
| #201 | Qwen3.5-35B-A3B none | Qwen | 1 | 6.3 | $0.142 | 1/2 | 809ms |
| #207 | GPT-5.4 Mini none | OpenAI | 1 | 6.3 | $0.095 | 1/2 | 728ms |
| #209 | GPT-5.4 none | OpenAI | 1 | 6.5 | $0.397 | 1/2 | 1.07s |
| #210 | Solar Pro 4 none | Upstage | 1 | 6.4 | $0.006 | 1/2 | 1.67s |
| #215 | Ling-3.0-flash none | Inclusionai | 1 | 4.8 | $0.004 | 0/2 | 836ms |
| #217 | Kimi K2.6 none | Moonshot AI | 1 | 6.5 | $0.233 | 1/2 | 1.64s |
| #218 | Qwen3.5-122B-A10B none | Qwen | 1 | 6.3 | $0.283 | 1/2 | 513ms |
| #221 | GLM 5V Turbo none | Z.ai | 1 | 6.5 | $0.052 | 1/2 | 1.97s |
| #222 | Owl Alpha medium | Openrouter | 1 | 6.5 | $0.000 | 1/2 | 10.2s |
| #223 | Gemma 4 26B A4B none | 1 | 6.3 | $0.015 | 1/2 | 690ms |