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) |
|---|---|---|---|---|---|---|---|
| #390 | Owl Alpha default | Openrouter | 3 | 0.5 | $0.000 | 7/21 | 9.88s |
| #397 | Trinity Large Preview default | Arcee AI | 3 | 0.4 | $0.008 | 4/22 | 2.83s |
| #399 | Cobuddy medium | Baidu | 3 | 0.4 | $0.000 | 7/22 | 38.0s |
| #402 | MiniMax M2.5 medium | Minimax | 3 | 0.4 | $0.440 | 5/23 | 102.3s |
| #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 |
| #422 | Elephant Alpha default | Openrouter | 3 | 0.4 | $0.000 | 5/21 | 1.22s |
| #433 | Grok 4.1 Fast default | X AI | 3 | 0.3 | $0.008 | 3/19 | 1.62s |
| #33 | GPT-6.1 Terra low | OpenAI | 2 | 0.9 | $0.221 | 19/23 | 6.05s |
| #39 | Claude Sonnet 5.5 max | Anthropic | 2 | 0.9 | $8.557 | 18/23 | 84.3s |
| #43 | GPT-5.3-Codex medium | OpenAI | 2 | 0.9 | $1.318 | 17/23 | 18.9s |
| #45 | Muse Spark 1.3 high | Meta | 2 | 0.9 | $1.891 | 17/23 | 52.9s |
| #59 | Muse Spark Open low | Meta | 2 | 0.9 | $0.600 | 16/23 | 21.6s |
| #62 | Muse Spark 1.1 medium | Meta | 2 | 0.9 | $1.665 | 16/23 | 27.0s |
| #67 | GPT-5.4 medium | OpenAI | 2 | 0.9 | $2.213 | 16/23 | 24.8s |