Clasament al eșecurilor pentru Nu a urmat instrucțiunile

Eșecuri AI BENCHY

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 ↑.

Modele afișate

Eșecuri totale

180

Modelul cel mai afectat

LFM2-24B-A2B 2

Categorii

În categoria Rezolvare de puzzle-uri75 În categoria Inteligență generală58 În categoria Respectarea instrucțiunilor22 În categoria Trucuri anti-AI17 În categoria Apelare instrumente6 În categoria Programare2

Rang	Model	Companie	Număr de Nu a urmat instrucțiunile	Scor	Teste corecte	Timp de răspuns (mediu)
#11	Gemini 3.1 Flash Lite Preview high	Google	1	8.4	12/16	68.8s
#10	Qwen3.5-27B medium	Qwen	2	8.4	13/18	53.0s
#9	Qwen3.6 Plus Preview medium	Qwen	1	8.5	13/17	13.9s
#7	GPT-5.3-Codex medium	OpenAI	2	8.6	13/18	15.4s
#6	Seed-2.0-Lite medium	Bytedance Seed	2	8.6	13/18	30.4s

←

1 2 3 4 5 6

Eșecuri Nu a urmat instrucțiunile

Top modele după Număr de Nu a urmat instrucțiunile

Număr de Nu a urmat instrucțiunile vs Scor

Top modele după Timp de răspuns (mediu)