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) |
|---|---|---|---|---|---|---|---|
| #436 | GPT-6 Luna Decisions default | OpenAI | 1 | 0.2 | $0.005 | 0/1 | 842ms |
| #437 | Kev 4B default | Jaredpalmer | 1 | 0.2 | $0.002 | 0/1 | 17.3s |
| #438 | Jev 1.14 default | Typesafe | 1 | 0.2 | $0.003 | 0/1 | 543ms |
| #439 | Classify-1 default | Scaledown | 1 | 0.2 | $0.008 | 0/1 | 4.26s |
| #440 | Clef Omni default | Cloudflare | 1 | 0.2 | $0.011 | 0/1 | 904ms |
| #441 | Decider Flash V1.2 default | Perplexity | 1 | 0.2 | $0.001 | 0/1 | 424ms |
| #443 | D1 default | Liquid | 1 | 0.2 | $0.003 | 0/1 | 820ms |
| #445 | LFM2-24B-A2B default | Liquid | 1 | 0.6 | $0.001 | 1/2 | 752ms |
| #446 | Solar Decide Flash default | Upstage | 1 | 0.2 | $0.003 | 0/1 | 1.66s |
| #447 | Microsoft-Decision-1 default | Microsoft | 1 | 0.2 | $0.002 | 0/1 | 997ms |
| #449 | Tev1 4B Experimental default | Togethercomputer | 1 | 0.2 | $0.002 | 0/1 | 555ms |
| #450 | Nimble v3 9B default | Bespoke Labs | 1 | 0.2 | ~$0.001 | 0/1 | 469ms |