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) |
|---|---|---|---|---|---|---|---|
| #320 | Gemma 4 26B A4B none | 1 | 0.6 | $0.031 | 1/2 | 690ms | |
| #324 | Qwen3.8 27B none | Qwen | 1 | 0.6 | ~$0.010 | 1/2 | 582ms |
| #327 | MiMo-V2.6-Flash none | Xiaomi | 1 | 0.7 | $0.060 | 1/2 | 810ms |
| #331 | GPT-5.6 Luna none | OpenAI | 1 | 0.7 | $0.042 | 1/2 | 1.23s |
| #332 | Granite 4.2 8B low | IBM Granite | 1 | 0.3 | $0.036 | 0/2 | 75.8s |
| #333 | Kimi K2.5 none | Moonshot AI | 1 | 0.7 | $0.262 | 1/2 | 2.67s |
| #335 | Laguna XS 2.1 none | Poolside | 1 | 0.4 | $0.020 | 0/2 | 364ms |
| #336 | Qwen3.6 35B A3B none | Qwen | 1 | 0.6 | $0.105 | 1/2 | 1.86s |
| #338 | Ling 3.0 Flash none | Inclusionai | 1 | 0.5 | $0.004 | 0/2 | 836ms |
| #343 | Mistral Small 4 medium | Mistral | 1 | 0.7 | $0.126 | 1/2 | 1.38s |
| #344 | Mistral Small 4 none | Mistral | 1 | 0.7 | $0.047 | 1/2 | 380ms |
| #345 | Mercury 2.5 low | Inception | 1 | 0.3 | $0.020 | 0/2 | 972ms |
| #347 | MiMo-V2.5-Pro none | Xiaomi | 1 | 0.6 | $0.135 | 1/2 | 1.03s |
| #348 | Apodex 1.1 Mini default | Apodex | 1 | 0.5 | $0.000 | 0/2 | 1.06s |
| #349 | Laguna S 2.1 medium | Poolside | 1 | 0.4 | $0.092 | 0/2 | 400ms |