Рейтинг сбоев по Не соблюдены инструкции | AI BENCHY

Посмотрите, какие AI-модели чаще всего сталкиваются с Не соблюдены инструкции, чтобы заранее заметить риски надежности. Сортировать по: Оценка ↑.

Показано моделей

5

Всего сбоев

245

Наиболее затронутая модель

Категории

В категории Решение головоломок90 В категории Общий интеллект78 В категории Анти-ИИ уловки33 В категории Следование инструкциям18 В категории Программирование16 В категории Вызов инструментов8 В категории Комбинированный1 В категории Предметно-ориентированное1

140/140

Ранг	Модель	Компания	Количество Не соблюдены инструкции	Оценка	Общая стоимость	Тестов верно	Время ответа (среднее)
#18	GPT-5.4 medium	OpenAI	2	8.5	$1.533	15/22	23.1s
Всего тестов 22 Ошибочных тестов 7 Общая стоимость $1.533 Время ответа (среднее) 23.1s
#16	Muse Spark 1.1 medium	Meta	2	8.6	$1.357	15/22	25.0s
Всего тестов 22 Ошибочных тестов 7 Общая стоимость $1.357 Время ответа (среднее) 25.0s
#13	GPT-5.3-Codex medium	OpenAI	2	8.9	$0.920	16/22	17.0s
Всего тестов 22 Ошибочных тестов 6 Общая стоимость $0.920 Время ответа (среднее) 17.0s
#12	Grok 4.5 high	X AI	1	8.9	$1.707	17/22	76.5s
Всего тестов 22 Ошибочных тестов 5 Общая стоимость $1.707 Время ответа (среднее) 76.5s
#9	Gemini 3.5 Flash medium	Google	1	9.1	$0.642	19/22	8.20s
Всего тестов 22 Ошибочных тестов 3 Общая стоимость $0.642 Время ответа (среднее) 8.20s

←

1 9 10

Лучшие модели по Количество Не соблюдены инструкции

Количество Не соблюдены инструкции против Оценка

Лучшие модели по Время ответа (среднее)