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: Timp de răspuns (mediu) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #299 | Gemini 3.1 Flash Lite none | 1 | 0.6 | $0.069 | 9/23 | 3.58s | |
| #305 | DeepSeek V4.1 Flash 1017 none | DeepSeek | 1 | 0.6 | $0.055 | 8/23 | 3.46s |
| #347 | Ling 3.0 Flash none | Inclusionai | 1 | 0.5 | $0.004 | 6/23 | 3.40s |
| #312 | GPT-5.4 Mini none | OpenAI | 3 | 0.6 | $0.170 | 6/23 | 3.34s |
| #353 | Mistral Small 4 none | Mistral | 1 | 0.5 | $0.047 | 5/23 | 3.12s |
| #385 | GLM 5V Turbo none | Z.ai | 2 | 0.5 | $0.052 | 8/21 | 2.99s |
| #397 | Trinity Large Preview default | Arcee AI | 3 | 0.4 | $0.008 | 4/22 | 2.83s |
| #405 | GLM 5 Turbo none | Z.ai | 2 | 0.4 | $0.047 | 6/21 | 2.82s |
| #429 | MiMo-V2-Flash default | Xiaomi | 2 | 0.3 | $0.025 | 4/21 | 2.76s |
| #394 | Mimo V2 Omni default | Xiaomi | 1 | 0.4 | $0.021 | 8/21 | 2.44s |
| #389 | Mimo V2 PRO default | Xiaomi | 2 | 0.5 | $0.045 | 7/21 | 2.27s |
| #346 | Inkling Small low | Thinkingmachines | 2 | 0.5 | $0.055 | 9/23 | 1.99s |
| #448 | Mammoth 1 default | Baseten | 1 | 0.2 | $0.000 | 3/12 | 1.80s |
| #433 | Grok 4.1 Fast default | X AI | 3 | 0.3 | $0.008 | 3/19 | 1.62s |
| #365 | Inkling Small none | Thinkingmachines | 1 | 0.5 | $0.054 | 5/23 | 1.45s |