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
61/61
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) |
|---|---|---|---|---|---|---|---|
| #177 | Nemotron 3 Super none | NVIDIA | 1 | 6.3 | $0.008 | 1/2 | 804ms |
| #180 | GPT-5.4 Nano none | OpenAI | 1 | 6.3 | $0.041 | 1/2 | 784ms |
| #183 | Trinity Large Preview none | Arcee AI | 1 | 3.5 | $0.008 | 0/2 | 822ms |
| #187 | Qwen3 Coder Next medium | Qwen | 1 | 6.3 | $0.032 | 1/2 | 7.49s |
| #189 | Mercury 2 none | Inception | 1 | 6.5 | $0.030 | 1/2 | 551ms |
| #191 | Grok 4.20 Beta none | X AI | 1 | 6.3 | $0.087 | 1/2 | 649ms |
| #192 | Laguna M.1 none | Poolside | 1 | 6.3 | $0.009 | 1/2 | 683ms |
| #194 | GLM 4.7 Flash medium | Z.ai | 1 | 6.2 | $0.166 | 1/2 | 2.97s |
| #196 | Hunter Alpha none | OpenRouter | 1 | 6.4 | $0.000 | 1/2 | 2.82s |
| #197 | Grok 4.20 none | X AI | 1 | 6.3 | $0.057 | 1/2 | 445ms |
| #200 | MiMo-V2-Flash none | Xiaomi | 1 | 6.5 | $0.025 | 1/2 | 857ms |
| #201 | Granite 4.1 8B none | IBM Granite | 1 | 3.6 | $0.007 | 0/2 | 344ms |
| #203 | Grok 4.1 Fast none | X AI | 1 | 3.0 | $0.008 | 0/2 | 685ms |
| #205 | Laguna Xs.2 none | Poolside | 1 | 6.5 | $0.004 | 1/2 | 439ms |
| #208 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 1 | 4.8 | $0.000 | 0/2 | 541ms |