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: Время ответа (среднее) ↑.

Показано моделей

5

Всего сбоев

245

Наиболее затронутая модель

Nemotron 3 Nano Omni 30b A3b Reasoning 2

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)
#68	Kimi K2.6 medium	Moonshot AI	2	7.2	$1.036	12/22	110.0s
Всего тестов 22 Ошибочных тестов 10 Общая стоимость $1.036 Время ответа (среднее) 110.0s
#58	Qwen3.5-27B medium	Qwen	2	7.4	$1.627	13/22	111.9s
Всего тестов 22 Ошибочных тестов 9 Общая стоимость $1.627 Время ответа (среднее) 111.9s
#194	GLM 4.7 Flash medium	Z.ai	2	4.3	$0.166	4/22	142.6s
Всего тестов 22 Ошибочных тестов 18 Общая стоимость $0.166 Время ответа (среднее) 142.6s
#97	LongCat 2.0 high	Meituan	2	6.6	$0.469	9/22	148.7s
Всего тестов 22 Ошибочных тестов 13 Общая стоимость $0.469 Время ответа (среднее) 148.7s
#130	Step 3.5 Flash medium	Stepfun	3	6.0	$0.108	11/21	174.2s
Всего тестов 21 Ошибочных тестов 10 Общая стоимость $0.108 Время ответа (среднее) 174.2s

←

1 9 10

Лучшие модели по Количество Не соблюдены инструкции

Количество Не соблюдены инструкции против Оценка

Лучшие модели по Время ответа (среднее)