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
86/86
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) |
|---|---|---|---|---|---|---|---|
| #13 | GPT-5.3-Codex medium | OpenAI | 1 | 9.0 | $0.920 | 2/3 | 5.05s |
| #16 | Muse Spark 1.1 medium | Meta | 1 | 7.9 | $1.357 | 2/3 | 42.5s |
| #18 | GPT-5.4 medium | OpenAI | 1 | 8.2 | $1.533 | 2/3 | 9.14s |
| #21 | GPT-5.2 medium | OpenAI | 1 | 7.5 | $0.951 | 2/3 | 5.80s |
| #24 | Muse Spark 1.1 low | Meta | 1 | 8.3 | $0.647 | 2/3 | 6.60s |
| #35 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 9.0 | $0.234 | 2/3 | 10.2s |
| #45 | DeepSeek V4 Flash high | DeepSeek | 1 | 8.2 | $0.042 | 2/3 | 26.1s |
| #49 | GLM 5 Turbo medium | Z.ai | 1 | 8.7 | $0.323 | 2/3 | 5.23s |
| #56 | GPT-5.4 Mini medium | OpenAI | 1 | 7.8 | $0.756 | 2/3 | 4.37s |
| #58 | Qwen3.5-27B medium | Qwen | 1 | 8.2 | $1.627 | 2/3 | 59.6s |
| #85 | Qwen3.6 Flash medium | Qwen | 1 | 8.2 | $0.738 | 2/3 | 6.29s |
| #100 | Hy3 preview medium | Tencent | 1 | 7.7 | $0.018 | 2/3 | 11.1s |
| #163 | Gemini 3.1 Flash Lite Preview high | 1 | 7.7 | $2.310 | 2/3 | 46.7s | |
| #179 | Ring-2.6-1T none | Inclusionai | 1 | 7.7 | $0.026 | 2/3 | 31.5s |
| #26 | GPT-5 Mini medium | OpenAI | 1 | 5.6 | $0.237 | 1/3 | 15.2s |