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.
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) |
|---|---|---|---|---|---|---|---|
| #100 | Claude Haiku 5.5 high | Anthropic | 1 | 0.8 | $0.088 | 15/23 | 10.4s |
| #103 | GPT-6 Luna medium | OpenAI | 1 | 0.8 | $0.047 | 15/23 | 18.1s |
| #107 | Gemini 4 Argon low | 1 | 0.8 | $0.438 | 15/23 | 5.72s | |
| #109 | Grok 4.5 high | X AI | 1 | 0.8 | $2.687 | 17/23 | 72.5s |
| #114 | Seed-2.0-Code low | Bytedance Seed | 1 | 0.8 | $0.881 | 14/23 | 73.0s |
| #123 | Qwen3.8 Flash Next low | Qwen | 1 | 0.8 | ~$0.045 | 15/23 | 23.7s |
| #126 | GLM 5.3 FlashX max | Z.ai | 1 | 0.8 | $0.623 | 15/23 | 44.0s |
| #130 | Gemini 3.5 Flash medium | 1 | 0.8 | $1.316 | 18/23 | 11.8s | |
| #132 | MiMo-V2.6-Flash medium | Xiaomi | 1 | 0.8 | $0.218 | 12/23 | 61.9s |
| #133 | Muse Wonder max | Meta | 1 | 0.8 | $4.766 | 16/23 | 44.4s |
| #137 | GLM 5.3 high | Z.ai | 1 | 0.8 | $0.495 | 14/23 | 28.4s |
| #139 | Grok 4.6 medium | X AI | 1 | 0.8 | $2.270 | 16/23 | 74.8s |
| #140 | Qwen3.7 Plus none | Qwen | 1 | 0.8 | $0.178 | 13/23 | 17.8s |
| #144 | GPT-6 Luna high | OpenAI | 1 | 0.8 | $0.074 | 15/23 | 20.4s |
| #146 | Nemotron 3.5 Super VL medium | NVIDIA | 1 | 0.8 | $0.437 | 14/23 | 84.9s |