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: Timp de răspuns (mediu) ↑.

Modele afișate

Eșecuri totale

180

Modelul cel mai afectat

Mercury 2 1

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)
#32	Qwen3.5-Flash medium	Qwen	1	7.8	11/18	66.7s
#11	Gemini 3.1 Flash Lite Preview high	Google	1	8.4	12/16	68.8s
#39	Seed-2.0-Mini medium	Bytedance Seed	1	7.5	11/18	69.7s
#46	Kimi K2.5 medium	Moonshot AI	2	7.0	9/18	72.4s
#97	Qwen3.5-9B medium	Qwen	2	4.4	3/18	73.6s

←

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)