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) |
|---|---|---|---|---|---|---|---|
| #187 | Kimi K2.7 Code medium | Moonshot AI | 1 | 0.6 | $1.136 | 1/3 | 41.0s |
| #193 | Muse Glimmer 30B low | Meta | 1 | 0.8 | $0.219 | 2/3 | 5.06s |
| #201 | Kimi K2.6 medium | Moonshot AI | 1 | 0.6 | $1.594 | 1/3 | 25.1s |
| #203 | Inkling low | Thinkingmachines | 1 | 0.6 | $0.293 | 1/3 | 2.97s |
| #207 | Solar Pro 4 xhigh | Upstage | 1 | 0.9 | $0.067 | 2/3 | 58.0s |
| #211 | Solar Pro 4 low | Upstage | 1 | 0.9 | $0.101 | 2/3 | 42.1s |
| #218 | GLM 5.3 Flash low | Z.ai | 1 | 0.8 | $0.038 | 2/3 | 2.67s |
| #221 | Qwen3.7 Flash medium | Qwen | 1 | 0.7 | $0.076 | 1/3 | 8.30s |
| #222 | LongCat 2.0 low | Meituan | 1 | 0.3 | $0.630 | 0/3 | 8.15s |
| #223 | Mercury 2 medium | Inception | 1 | 0.5 | $0.121 | 1/3 | 949ms |
| #236 | Grok 4.3 medium | X AI | 1 | 0.6 | $0.989 | 1/3 | 22.5s |
| #238 | Qwen3.5-122B-A10B none | Qwen | 1 | 0.4 | $0.308 | 0/3 | 1.00s |
| #240 | Beam 1.0 501B A23B max | Reflection | 1 | 0.8 | $0.799 | 2/3 | 3.94s |
| #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 |