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) |
|---|---|---|---|---|---|---|---|
| #153 | GPT-6 Luna low | OpenAI | 1 | 0.8 | $0.033 | 12/23 | 23.2s |
| #154 | Qwen3.8 27B low | Qwen | 1 | 0.8 | ~$0.089 | 15/23 | 46.6s |
| #157 | Seed-2.0-Mini medium | Bytedance Seed | 1 | 0.8 | $0.140 | 12/23 | 91.7s |
| #158 | Mistral Large 4 high | Mistral | 2 | 0.8 | $1.391 | 12/23 | 263.7s |
| #159 | Seed-2.0-Code high | Bytedance Seed | 1 | 0.7 | $1.448 | 12/23 | 124.9s |
| #161 | Qwen3.6 Flash medium | Qwen | 1 | 0.7 | $0.783 | 13/23 | 45.5s |
| #162 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 0.7 | $0.306 | 13/23 | 88.1s |
| #163 | Seed-2.0-Code medium | Bytedance Seed | 1 | 0.7 | $1.275 | 11/23 | 100.6s |
| #164 | GLM 5.3 FlashX high | Z.ai | 1 | 0.7 | $0.210 | 13/23 | 14.9s |
| #165 | Grok 4.7 low | X AI | 1 | 0.7 | $1.933 | 14/23 | 63.2s |
| #166 | Inkling Small high | Thinkingmachines | 2 | 0.7 | $0.398 | 14/23 | 29.1s |
| #167 | DeepSeek V4 Pro 0423 none | DeepSeek | 2 | 0.7 | $0.083 | 10/23 | 14.1s |
| #170 | GLM 5.3 Flash high | Z.ai | 2 | 0.7 | $0.056 | 13/23 | 29.1s |
| #171 | Claude Fable 5.1 medium | Anthropic | 1 | 0.7 | $3.197 | 15/23 | 11.9s |
| #172 | Grok 4.7 medium | X AI | 1 | 0.7 | $2.938 | 15/23 | 117.7s |