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

142

Наиболее затронутая модель

Claude Sonnet 5.5 1

Причины сбоев

Не соблюдены инструкции142 Неверный ответ134 Ошибка API17 Тайм-аут4

Категории

Решение головоломок166 Общий интеллект142 Следование инструкциям77 Анти-ИИ уловки52 Программирование50 Вызов инструментов13 Агентные задачи10 Парсинг и извлечение данных8 Предметно-ориентированное3 Комбинированный1

142/142

Ранг	Модель	Компания	Количество Не соблюдены инструкции	Оценка категории	Общая стоимость	Тестов верно	Время ответа (среднее)
#143	Qwen3.8 Flash Next medium	Qwen	1	0.5	~$0.047	0/1	7.29s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.047 Время ответа (среднее) 7.29s
#145	Qwen3.8 27B low	Qwen	1	0.5	~$0.089	0/1	5.37s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.089 Время ответа (среднее) 5.37s
#148	Seed-2.0-Mini medium	Bytedance Seed	1	0.5	$0.140	0/1	36.7s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.140 Время ответа (среднее) 36.7s
#154	Seed-2.0-Code medium	Bytedance Seed	1	0.5	$1.275	0/1	11.4s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $1.275 Время ответа (среднее) 11.4s
#155	GLM 5.3 FlashX high	Z.ai	1	0.6	$0.210	0/1	2.28s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.210 Время ответа (среднее) 2.28s
#161	GLM 5.3 Flash high	Z.ai	1	0.5	$0.056	0/1	3.33s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.056 Время ответа (среднее) 3.33s
#164	Gemini 2.5 Flash medium	Google	1	0.5	$0.680	0/1	4.86s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.680 Время ответа (среднее) 4.86s
#166	Qwen3.6 Plus medium	Qwen	1	0.5	$0.554	0/1	27.1s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.554 Время ответа (среднее) 27.1s
#167	Gemini 3.5 Flash Lite medium	Google	1	0.5	$0.440	0/1	2.97s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.440 Время ответа (среднее) 2.97s
#168	Qwen3.5-27B none	Qwen	1	0.5	$0.116	0/1	2.51s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.116 Время ответа (среднее) 2.51s
#170	Qwen3.8 27B medium	Qwen	1	0.5	~$0.073	0/1	9.20s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.073 Время ответа (среднее) 9.20s
#175	GLM 5 medium	Z.ai	1	0.6	$0.479	0/1	14.7s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.479 Время ответа (среднее) 14.7s
#177	Qwen3.6 27B medium	Qwen	1	0.6	$1.021	0/1	39.5s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $1.021 Время ответа (среднее) 39.5s
#179	Qwen3.8 Flash Next xhigh	Qwen	1	0.5	~$0.195	0/1	3.95s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.195 Время ответа (среднее) 3.95s
#180	GLM 5.3 FlashX medium	Z.ai	1	0.3	$0.114	0/1	1.79s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.114 Время ответа (среднее) 1.79s

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)