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: Timp de răspuns (mediu) ↑.
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) |
|---|---|---|---|---|---|---|---|
| #450 | Nimble v3 9B default | Bespoke Labs | 1 | 0.2 | ~$0.001 | 0/1 | 79ms |
| #438 | Jev 1.14 default | Typesafe | 1 | 0.2 | $0.003 | 0/1 | 270ms |
| #344 | Mistral Small 4 none | Mistral | 1 | 0.3 | $0.047 | 0/3 | 399ms |
| #436 | GPT-6 Luna Decisions default | OpenAI | 1 | 0.2 | $0.005 | 0/1 | 414ms |
| #430 | d1-ultra default | Liquid | 1 | 0.2 | $0.003 | 0/1 | 485ms |
| #433 | Decider V1.2 default | Perplexity | 1 | 0.2 | $0.001 | 0/1 | 490ms |
| #431 | Nemotron 3 Nano Omni 30b A3b Reasoning default | NVIDIA | 1 | 0.3 | $0.000 | 0/3 | 532ms |
| #405 | Granite 4.1 8b default | IBM Granite | 1 | 0.3 | $0.007 | 0/3 | 608ms |
| #362 | Qwen3.5-9B none | Qwen | 1 | 0.3 | $0.041 | 0/3 | 621ms |
| #367 | Mercury 2.5 Preview default | Inception | 1 | 0.6 | $0.023 | 1/3 | 684ms |
| #290 | Gemini 3.1 Flash Lite none | 1 | 0.6 | $0.069 | 1/3 | 720ms | |
| #320 | Gemma 4 26B A4B none | 1 | 0.6 | $0.031 | 1/3 | 744ms | |
| #314 | Nemotron 3.5 Super VL none | NVIDIA | 1 | 0.5 | $0.040 | 0/3 | 754ms |
| #413 | Elephant Alpha default | Openrouter | 1 | 0.4 | $0.000 | 0/3 | 807ms |
| #303 | GPT-5.4 Mini none | OpenAI | 1 | 0.5 | $0.170 | 1/3 | 836ms |