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: Cost total ↓.
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) |
|---|---|---|---|---|---|---|---|
| #138 | Step 3.7 Flash medium | Stepfun | 2 | 0.8 | $0.571 | 13/23 | 26.6s |
| #175 | Qwen3.6 Plus medium | Qwen | 1 | 0.7 | $0.554 | 15/23 | 57.4s |
| #431 | Grok Build 0.1 none | X AI | 2 | 0.3 | $0.547 | 7/19 | 28.7s |
| #224 | GPT 5.3 Chat default | OpenAI | 2 | 0.7 | $0.533 | 13/23 | 6.31s |
| #256 | Gemini 3.5 Flash minimal | 1 | 0.6 | $0.508 | 13/23 | 4.67s | |
| #145 | Muse Glimmer 30B high | Meta | 3 | 0.8 | $0.506 | 11/23 | 69.9s |
| #137 | GLM 5.3 high | Z.ai | 1 | 0.8 | $0.495 | 14/23 | 28.4s |
| #325 | Kimi K2.6 none | Moonshot AI | 3 | 0.5 | $0.486 | 6/23 | 26.3s |
| #184 | GLM 5 medium | Z.ai | 1 | 0.7 | $0.479 | 15/22 | 39.0s |
| #330 | GLM 5V Turbo medium | Z.ai | 1 | 0.5 | $0.457 | 11/21 | 23.1s |
| #176 | Gemini 3.5 Flash Lite medium | 1 | 0.7 | $0.440 | 14/23 | 8.68s | |
| #402 | MiniMax M2.5 medium | Minimax | 3 | 0.4 | $0.440 | 5/23 | 102.3s |
| #107 | Gemini 4 Argon low | 1 | 0.8 | $0.438 | 15/23 | 5.72s | |
| #146 | Nemotron 3.5 Super VL medium | NVIDIA | 1 | 0.8 | $0.437 | 14/23 | 84.9s |
| #254 | Beam 1.0 501B A23B low | Reflection | 2 | 0.6 | $0.432 | 11/23 | 4.89s |