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: Cost total ↑.
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) |
|---|---|---|---|---|---|---|---|
| #110 | Qwen3.8 2.4T A95B high | Qwen | 2 | 7.4 | $2.357 | 14/22 | 120.6s |
| #141 | Claude Fable 5.1 low | Anthropic | 3 | 6.9 | $2.565 | 11/22 | 10.3s |
| #57 | Claude Fable 5.1 medium | Anthropic | 1 | 8.3 | $2.909 | 15/22 | 11.7s |
| #87 | Claude Opus 4.6 medium | Anthropic | 1 | 7.7 | $2.961 | 13/22 | 32.2s |
| #278 | Grok 4.20 Multi Agent Beta medium | X AI | 2 | 4.8 | $5.599 | 8/18 | 9.69s |