Eșecuri Nu a urmat instrucțiunile
Vezi ce modele AI se lovesc cel mai des de Nu a urmat instrucțiunile, ca să identifici riscurile de fiabilitate înainte să alegi. Sortează după: Scor ↑.
Categorii
În categoria Rezolvare de puzzle-uri128 În categoria Inteligență generală115 În categoria Respectarea instrucțiunilor48 În categoria Trucuri anti-AI44 În categoria Programare29 În categoria Apelare instrumente12 În categoria Parsare și extragere de date7 În categoria Specific domeniului2 În categoria Combinat1
215/215
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Nu a urmat instrucțiunile | Scor | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #58 | Gemini 2.5 Flash medium | 1 | 8.2 | $0.644 | 15/22 | 21.1s | |
| #57 | Claude Fable 5.1 medium | Anthropic | 1 | 8.3 | $2.909 | 15/22 | 11.7s |
| #56 | Muse Spark 1.1 low | Meta | 3 | 8.3 | $0.673 | 13/22 | 11.9s |
| #55 | Inkling Small high | Thinkingmachines | 2 | 8.4 | $0.398 | 14/22 | 30.4s |
| #54 | Seed 2.1 Turbo medium | Bytedance Seed | 1 | 8.4 | $1.951 | 15/22 | 193.6s |
| #53 | Qwen3.8 27B high | Qwen | 2 | 8.4 | ~$0.287 | 16/22 | 167.9s |
| #52 | GPT-5.2 medium | OpenAI | 3 | 8.4 | $1.182 | 14/22 | 28.5s |
| #50 | Grok 4.6 medium | X AI | 1 | 8.4 | $1.713 | 16/22 | 73.5s |
| #49 | Muse Spark 1.2 low | Meta | 3 | 8.4 | $0.655 | 15/22 | 9.77s |
| #47 | GPT-5.4 medium | OpenAI | 2 | 8.5 | $1.560 | 15/22 | 22.9s |
| #46 | Qwen3.8 Max low | Qwen | 1 | 8.6 | $0.702 | 16/22 | 21.8s |
| #43 | Muse Spark 1.1 medium | Meta | 2 | 8.6 | $1.420 | 15/22 | 26.2s |
| #42 | Muse Spark 1.2 medium | Meta | 3 | 8.6 | $1.339 | 14/22 | 19.7s |
| #41 | Muse Spark 1.2 high | Meta | 3 | 8.7 | $1.771 | 14/22 | 26.6s |
| #39 | GLM 5.3 Flash max | Z.ai | 1 | 8.7 | $0.059 | 16/22 | 52.1s |