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-uri167 În categoria Inteligență generală143 În categoria Respectarea instrucțiunilor82 În categoria Trucuri anti-AI52 În categoria Programare50 În categoria Apelare instrumente13 În categoria Sarcini agentice10 În categoria Parsare și extragere de date8 În categoria Specific domeniului3 În categoria Combinat1
299/299
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) |
|---|---|---|---|---|---|---|---|
| #411 | Grok 4.1 Fast medium | X AI | 4 | 0.4 | $0.069 | 9/19 | 23.8s |
| #412 | Laguna M.1 medium | Poolside | 1 | 0.4 | $0.033 | 9/19 | 14.7s |
| #413 | Ling 3.0 Tiny default | Inclusionai | 4 | 0.4 | $0.000 | 2/23 | 13.4s |
| #414 | Granite 4.1 8b default | IBM Granite | 4 | 0.4 | $0.007 | 2/23 | 1.38s |
| #415 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 0.4 | $0.009 | 3/23 | 15.9s |
| #416 | Xing4.0 29b A4b medium | Xingchen AGI | 3 | 0.4 | $0.000 | 1/23 | 371.7s |
| #417 | Ling 3.0 Tiny high | Inclusionai | 3 | 0.4 | $0.000 | 4/23 | 72.2s |
| #418 | Ling 3.0 Tiny low | Inclusionai | 4 | 0.4 | $0.000 | 4/23 | 63.2s |
| #419 | Ling 3.0 Tiny medium | Inclusionai | 4 | 0.4 | $0.000 | 4/23 | 65.0s |
| #420 | Grok 4.20 Beta default | X AI | 1 | 0.4 | $0.087 | 6/18 | 1.19s |
| #422 | Elephant Alpha default | Openrouter | 3 | 0.4 | $0.000 | 5/21 | 1.22s |
| #423 | Elephant Alpha medium | Openrouter | 2 | 0.4 | $0.000 | 6/21 | 1.27s |
| #424 | Hunter Alpha default | OpenRouter | 2 | 0.3 | $0.000 | 6/18 | 4.70s |
| #428 | Hy3 preview none | Tencent | 4 | 0.3 | $0.007 | 4/21 | 12.9s |
| #429 | MiMo-V2-Flash default | Xiaomi | 2 | 0.3 | $0.025 | 4/21 | 2.76s |