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: Teste corecte ↑.
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) |
|---|---|---|---|---|---|---|---|
| #112 | GPT-5.4 Nano medium | OpenAI | 1 | 0.4 | $0.235 | 0/3 | 3.79s |
| #157 | Inkling Small high | Thinkingmachines | 1 | 0.5 | $0.398 | 0/3 | 14.4s |
| #165 | LongCat 2.0 high | Meituan | 1 | 0.3 | $0.778 | 0/3 | 9.18s |
| #222 | LongCat 2.0 low | Meituan | 1 | 0.3 | $0.630 | 0/3 | 8.15s |
| #238 | Qwen3.5-122B-A10B none | Qwen | 1 | 0.4 | $0.308 | 0/3 | 1.00s |
| #265 | DeepSeek V4 Flash 0423 none | DeepSeek | 1 | 0.3 | $0.149 | 0/3 | 23.7s |
| #275 | Trinity Large Thinking medium | Arcee AI | 2 | 0.5 | $0.862 | 0/3 | 2.90s |
| #291 | Qwen3.6 Flash none | Qwen | 1 | 0.4 | $0.139 | 0/3 | 1.21s |
| #294 | Qwen3.7 Flash none | Qwen | 1 | 0.4 | $0.028 | 0/3 | 1.39s |
| #301 | Trinity Large Thinking high | Arcee AI | 2 | 0.5 | $0.794 | 0/3 | 3.84s |
| #313 | Qwen3.5-35B-A3B none | Qwen | 1 | 0.4 | $0.120 | 0/3 | 1.35s |
| #314 | Nemotron 3.5 Super VL none | NVIDIA | 1 | 0.5 | $0.040 | 0/3 | 754ms |
| #315 | Nemotron 3 Super medium | NVIDIA | 1 | 0.3 | $0.081 | 0/3 | 3.15s |
| #316 | Kimi K2.6 none | Moonshot AI | 1 | 0.3 | $0.486 | 0/3 | 1.40s |
| #326 | Hy4 preview low | Tencent | 1 | 0.5 | $1.844 | 0/3 | 238.0s |