Clasament Rezolvare de puzzle-uri x 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.

Modele afișate

Eșecuri totale

166

Modelul cel mai afectat

Motive de eșec

Răspuns greșit352 Nu a urmat instrucțiunile166 Eroare API35 Formatare suplimentară16 Fără răspuns14 Timp expirat11

Categorii

Rezolvare de puzzle-uri166 Inteligență generală142 Respectarea instrucțiunilor77 Trucuri anti-AI52 Programare50 Apelare instrumente13 Sarcini agentice10 Parsare și extragere de date8 Specific domeniului3 Combinat1

157/157

Rang	Model	Companie	Număr de Nu a urmat instrucțiunile	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#422	Grok Build 0.1 none	X AI	1	0.6	$0.547	1/3	9.55s
Total teste 3 Teste greșite 2 Cost total $0.547 Timp de răspuns (mediu) 9.55s
#430	d1-ultra default	Liquid	1	0.2	$0.003	0/1	485ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 485ms
#431	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	1	0.3	$0.000	0/3	532ms
Total teste 3 Teste greșite 3 Cost total $0.000 Timp de răspuns (mediu) 532ms
#433	Decider V1.2 default	Perplexity	1	0.2	$0.001	0/1	490ms
Total teste 1 Teste greșite 1 Cost total $0.001 Timp de răspuns (mediu) 490ms
#436	GPT-6 Luna Decisions default	OpenAI	1	0.2	$0.005	0/1	414ms
Total teste 1 Teste greșite 1 Cost total $0.005 Timp de răspuns (mediu) 414ms
#438	Jev 1.14 default	Typesafe	1	0.2	$0.003	0/1	270ms
Total teste 1 Teste greșite 1 Cost total $0.003 Timp de răspuns (mediu) 270ms
#450	Nimble v3 9B default	Bespoke Labs	1	0.2	~$0.001	0/1	79ms
Total teste 1 Teste greșite 1 Cost total ~$0.001 Timp de răspuns (mediu) 79ms

Filtrează modelele