Рейтинг Следование инструкциям x Неверный ответ

Посмотрите, какие AI-модели чаще всего сталкиваются с Неверный ответ в Следование инструкциям, чтобы быстрее находить слабые места.

Показано моделей

Всего сбоев

111

Наиболее затронутая модель

Причины сбоев

Неверный ответ111 Не соблюдены инструкции73 Ошибка API25 Лишнее форматирование8 Тайм-аут5 Нет ответа2

Категории

Предметно-ориентированное878 Анти-ИИ уловки502 Программирование477 Решение головоломок344 Эрудиция306 Общий интеллект129 Агентные задачи126 Комбинированный126 Следование инструкциям111 Парсинг и извлечение данных93

111/111

Ранг	Модель	Компания	Количество Неверный ответ	Оценка категории	Общая стоимость	Тестов верно	Время ответа (среднее)
#434	D1 default	Liquid	1	0.2	$0.003	0/1	820ms
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.003 Время ответа (среднее) 820ms
#436	LFM2-24B-A2B default	Liquid	1	0.6	$0.001	1/2	752ms
Всего тестов 2 Ошибочных тестов 1 Общая стоимость $0.001 Время ответа (среднее) 752ms
#437	Solar Decide Flash default	Upstage	1	0.2	$0.003	0/1	1.66s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.003 Время ответа (среднее) 1.66s
#438	Microsoft-Decision-1 default	Microsoft	1	0.2	$0.002	0/1	997ms
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.002 Время ответа (среднее) 997ms
#440	Tev1 4B Experimental default	Togethercomputer	1	0.2	$0.002	0/1	555ms
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.002 Время ответа (среднее) 555ms
#441	Nimble v3 9B default	Bespoke Labs	1	0.2	~$0.001	0/1	469ms
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.001 Время ответа (среднее) 469ms

Фильтровать модели