Рейтинг Общий интеллект x Не соблюдены инструкции

Посмотрите, какие AI-модели чаще всего сталкиваются с Не соблюдены инструкции в Общий интеллект, чтобы быстрее находить слабые места.

Показано моделей

Всего сбоев

115

Наиболее затронутая модель

Grok 4.5 1

Причины сбоев

Не соблюдены инструкции115 Неверный ответ90 Ошибка API14 Тайм-аут4

Категории

Решение головоломок128 Общий интеллект115 Следование инструкциям48 Анти-ИИ уловки44 Программирование29 Вызов инструментов12 Парсинг и извлечение данных7 Предметно-ориентированное2 Комбинированный1

115/115

Ранг	Модель	Компания	Количество Не соблюдены инструкции	Оценка категории	Общая стоимость	Тестов верно	Время ответа (среднее)
#24	Grok 4.5 high	X AI	1	4.7	$2.252	0/1	9.82s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $2.252 Время ответа (среднее) 9.82s
#25	GPT-5.3-Codex medium	OpenAI	1	4.6	$0.988	0/1	4.87s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.988 Время ответа (среднее) 4.87s
#27	Seed 2.1 Turbo high	Bytedance Seed	1	6.5	$1.797	0/1	25.7s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $1.797 Время ответа (среднее) 25.7s
#37	Muse Spark 1.2 medium	Meta	1	6.1	$1.339	0/1	10.7s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $1.339 Время ответа (среднее) 10.7s
#41	Qwen3.8 Max low	Qwen	1	6.5	$0.702	0/1	5.29s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.702 Время ответа (среднее) 5.29s
#42	GPT-5.4 medium	OpenAI	1	4.7	$1.560	0/1	4.92s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $1.560 Время ответа (среднее) 4.92s
#44	Muse Spark 1.2 low	Meta	1	5.0	$0.655	0/1	8.46s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.655 Время ответа (среднее) 8.46s
#47	GPT-5.2 medium	OpenAI	1	3.7	$1.182	0/1	4.32s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $1.182 Время ответа (среднее) 4.32s
#48	Qwen3.8 27B high	Qwen	1	5.0	~$0.287	0/1	8.45s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.287 Время ответа (среднее) 8.45s
#49	Seed 2.1 Turbo medium	Bytedance Seed	1	6.1	$1.951	0/1	40.6s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $1.951 Время ответа (среднее) 40.6s
#53	Gemini 2.5 Flash medium	Google	1	4.8	$0.644	0/1	4.86s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.644 Время ответа (среднее) 4.86s
#55	Claude Sonnet 5 medium	Anthropic	1	4.8	$0.922	0/1	4.32s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.922 Время ответа (среднее) 4.32s
#57	GPT-5 Mini medium	OpenAI	1	4.5	$0.241	0/1	13.5s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.241 Время ответа (среднее) 13.5s
#67	GPT-5.2 Chat none	OpenAI	1	4.4	$0.594	0/1	3.20s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.594 Время ответа (среднее) 3.20s
#69	Qwen3.8 27B low	Qwen	1	5.0	~$0.071	0/1	5.37s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.071 Время ответа (среднее) 5.37s

Фильтровать модели

Лучшие модели по Количество Не соблюдены инструкции

Количество Не соблюдены инструкции против Оценка

Лучшие модели по Время ответа (среднее)

Лучшие модели по Оценочная стоимость потерь

Общий интеллект: Не соблюдены инструкции

Фильтровать модели

Лучшие модели по Количество Не соблюдены инструкции

Количество Не соблюдены инструкции против Оценка

Лучшие модели по Время ответа (среднее)