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
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) |
|---|---|---|---|---|---|---|---|
| #291 | Qwen3.6 Flash none | Qwen | 1 | 0.6 | $0.139 | 1/2 | 1.10s |
| #294 | Qwen3.7 Flash none | Qwen | 1 | 0.6 | $0.028 | 1/2 | 892ms |
| #295 | Qwen3.8 Flash Next none | Qwen | 1 | 0.7 | ~$0.011 | 1/2 | 612ms |
| #296 | DeepSeek V4.1 Flash 1017 none | DeepSeek | 1 | 0.7 | $0.055 | 1/2 | 608ms |
| #298 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 0.7 | $0.391 | 1/2 | 6.81s |
| #301 | Trinity Large Thinking high | Arcee AI | 1 | 0.6 | $0.794 | 1/2 | 4.12s |
| #303 | GPT-5.4 Mini none | OpenAI | 1 | 0.6 | $0.170 | 1/2 | 728ms |
| #304 | Mistral Large 4 none | Mistral | 1 | 0.7 | $0.290 | 1/2 | 1.16s |
| #307 | Gemma 4 31B none | 1 | 0.7 | $0.031 | 1/2 | 2.84s | |
| #308 | Space Bunny Alpha low | Stealth | 1 | 0.4 | $0.000 | 0/2 | 1.43s |
| #309 | GPT-5.4 none | OpenAI | 1 | 0.7 | $0.690 | 1/2 | 1.07s |
| #310 | Solar Pro 4 none | Upstage | 1 | 0.6 | $0.022 | 1/2 | 1.67s |
| #313 | Qwen3.5-35B-A3B none | Qwen | 1 | 0.6 | $0.120 | 1/2 | 809ms |
| #316 | Kimi K2.6 none | Moonshot AI | 1 | 0.7 | $0.486 | 1/2 | 1.64s |
| #319 | GPT-6 Luna none | OpenAI | 1 | 0.6 | $0.026 | 1/2 | 17.0s |