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.
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) |
|---|---|---|---|---|---|---|---|
| #84 | GPT-5 Mini medium | OpenAI | 1 | 0.6 | $0.315 | 1/3 | 15.2s |
| #87 | Inkling high | Thinkingmachines | 1 | 0.7 | $1.238 | 1/3 | 10.7s |
| #89 | DeepSeek V4 Flash 0731 high | DeepSeek | 1 | 0.8 | $0.576 | 2/3 | 9.36s |
| #90 | GLM 5.2 high | Z.ai | 1 | 0.6 | $4.632 | 1/3 | 33.7s |
| #92 | Claude Haiku 5.5 high | Anthropic | 1 | 0.6 | $0.088 | 1/3 | 3.28s |
| #95 | GPT-6 Luna medium | OpenAI | 1 | 0.8 | $0.047 | 2/3 | 9.78s |
| #99 | Gemini 4 Argon low | 1 | 0.9 | $0.438 | 2/3 | 2.18s | |
| #100 | DeepSeek V4.1 Flash 1017 max | DeepSeek | 1 | 0.6 | $0.757 | 1/3 | 12.3s |
| #104 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 0.9 | $0.271 | 2/3 | 10.2s |
| #106 | DeepSeek V4 Pro 0423 high | DeepSeek | 1 | 0.7 | $0.149 | 1/3 | 56.8s |
| #108 | DeepSeek V4 Flash 0423 high | DeepSeek | 1 | 0.8 | $0.261 | 2/3 | 26.1s |
| #112 | GPT-5.4 Nano medium | OpenAI | 1 | 0.4 | $0.235 | 0/3 | 3.79s |
| #114 | Qwen3.8 Flash Next low | Qwen | 1 | 0.9 | ~$0.045 | 2/3 | 1.72s |
| #116 | Qwen3.5-27B medium | Qwen | 1 | 0.8 | $1.135 | 2/3 | 59.6s |
| #117 | GLM 5.3 FlashX max | Z.ai | 1 | 0.8 | $0.623 | 2/3 | 3.88s |