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) |
|---|---|---|---|---|---|---|---|
| #407 | Xing4.0 29b A4b medium | Xingchen AGI | 2 | 0.3 | $0.000 | 0/3 | 257.1s |
| #326 | Hy4 preview low | Tencent | 1 | 0.5 | $1.844 | 0/3 | 238.0s |
| #30 | Muse Spark Open high | Meta | 1 | 0.8 | $1.782 | 2/3 | 145.7s |
| #136 | Muse Glimmer 30B high | Meta | 1 | 0.6 | $0.506 | 1/3 | 64.8s |
| #116 | Qwen3.5-27B medium | Qwen | 1 | 0.8 | $1.135 | 2/3 | 59.6s |
| #207 | Solar Pro 4 xhigh | Upstage | 1 | 0.9 | $0.067 | 2/3 | 58.0s |
| #106 | DeepSeek V4 Pro 0423 high | DeepSeek | 1 | 0.7 | $0.149 | 1/3 | 56.8s |
| #258 | Solar Pro 4 high | Upstage | 1 | 0.9 | $0.077 | 2/3 | 55.2s |
| #375 | Gemini 3.1 Flash Lite high | 2 | 0.6 | $2.044 | 1/3 | 50.8s | |
| #392 | Gemini 3.1 Flash Lite Preview high | 1 | 0.8 | $2.310 | 2/3 | 46.7s | |
| #241 | Solar Pro 4 medium | Upstage | 1 | 0.9 | $0.098 | 2/3 | 45.8s |
| #244 | Kimi K2.5 medium | Moonshot AI | 1 | 0.5 | $0.841 | 1/3 | 43.2s |
| #57 | Muse Spark 1.1 medium | Meta | 1 | 0.8 | $1.665 | 2/3 | 42.5s |
| #211 | Solar Pro 4 low | Upstage | 1 | 0.9 | $0.101 | 2/3 | 42.1s |
| #187 | Kimi K2.7 Code medium | Moonshot AI | 1 | 0.6 | $1.136 | 1/3 | 41.0s |