Рейтинг сбоев по Не соблюдены инструкции | AI BENCHY

Сбои 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

15

Всего сбоев

215

Наиболее затронутая модель

Mistral Small 4 1

Категории

В категории Решение головоломок78 В категории Общий интеллект74 В категории Анти-ИИ уловки30 В категории Программирование14 В категории Следование инструкциям11 В категории Вызов инструментов6 В категории Комбинированный1 В категории Предметно-ориентированное1

Ранг	Модель	Компания	Количество Не соблюдены инструкции	Оценка	Тестов верно	Время ответа (среднее)
#32	Gemini 3.5 Flash minimal	Google	1	7.7	14/21	1.57s
#128	Qwen3.6 Flash none	Qwen	1	5.4	7/21	1.60s
#157	Grok 4.1 Fast none	X AI	3	4.4	3/19	1.62s
#115	Qwen3.5-27B none	Qwen	2	5.7	7/21	1.68s
#147	GPT-4o-mini none	OpenAI	1	4.8	5/21	1.77s
#123	MiMo-V2.5-Pro none	Xiaomi	4	5.5	6/21	1.78s
#154	Qwen3.5-9B none	Qwen	2	4.6	4/21	1.89s
#143	MiMo-V2.5 none	Xiaomi	1	4.9	5/21	2.20s
#81	Mercury 2 medium	Inception	3	6.6	10/21	2.24s
#104	Nemotron 3 Ultra 550b A55b none	NVIDIA	1	6.0	8/21	2.27s
#120	Mimo V2 PRO none	Xiaomi	2	5.6	7/21	2.27s
#101	Mimo V2 Omni none	Xiaomi	1	6.0	8/21	2.44s
#152	MiMo-V2-Flash none	Xiaomi	2	4.6	4/21	2.76s
#50	Gemini 3.1 Flash Lite Preview low	Google	1	7.4	13/21	2.77s
#134	GLM 5 Turbo none	Z.ai	2	5.2	6/21	2.82s

←

1 2 3 8

→

Лучшие модели по Количество Не соблюдены инструкции

Количество Не соблюдены инструкции против Оценка

Лучшие модели по Время ответа (среднее)