Rezolvare de puzzle-uri: Nu a urmat instrucțiunile
Rezolvare de puzzle-uri
Nu a urmat instrucțiunile
Vezi ce modele AI au cele mai mari șanse să întâmpine Nu a urmat instrucțiunile la Rezolvare de puzzle-uri, ca să găsești mai repede punctele slabe. Sortează după: Număr de eșecuri ↑.
Motive de eșec
157/157
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Nu a urmat instrucțiunile | Scor de categorie | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #24 | Claude Opus 5.5 low | Anthropic | 1 | 0.9 | $1.733 | 2/3 | 29.8s |
| #25 | Claude Opus 5.5 high | Anthropic | 1 | 0.9 | $2.133 | 2/3 | 30.8s |
| #30 | Muse Spark Open high | Meta | 1 | 0.8 | $1.782 | 2/3 | 145.7s |
| #36 | DeepSeek V4.1 Flash 1017 low | DeepSeek | 1 | 0.7 | $0.355 | 1/3 | 2.54s |
| #38 | GPT-5.3-Codex medium | OpenAI | 1 | 0.9 | $1.318 | 2/3 | 5.05s |
| #39 | Claude Haiku 5.5 xhigh | Anthropic | 1 | 0.8 | $0.140 | 2/3 | 3.80s |
| #40 | Muse Spark 1.3 high | Meta | 1 | 0.9 | $1.891 | 2/3 | 38.4s |
| #53 | GLM 5.3 Flash max | Z.ai | 1 | 0.9 | $0.089 | 2/3 | 5.61s |
| #55 | Muse Spark 1.2 high | Meta | 1 | 0.8 | $2.018 | 2/3 | 10.1s |
| #56 | Muse Spark 1.2 medium | Meta | 1 | 0.9 | $1.590 | 2/3 | 9.45s |
| #57 | Muse Spark 1.1 medium | Meta | 1 | 0.8 | $1.665 | 2/3 | 42.5s |
| #61 | GPT-5.4 medium | OpenAI | 1 | 0.8 | $2.213 | 2/3 | 9.14s |
| #62 | Muse Spark Open medium | Meta | 1 | 0.8 | $1.260 | 2/3 | 29.4s |
| #63 | DeepSeek V4.1 Flash high | DeepSeek | 1 | 0.6 | $0.617 | 1/3 | 14.3s |
| #64 | DeepSeek V4.1 Flash medium | DeepSeek | 1 | 0.9 | $0.591 | 2/3 | 8.01s |