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: Число сбоев ↑.

Показано моделей

15

Всего сбоев

215

Наиболее затронутая модель

Gemini 3.5 Flash 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)
#65	Grok 4.20 medium	X AI	2	7.1	12/21	27.7s
#67	MiniMax M3 medium	Minimax	2	7.1	11/21	68.2s
#70	GPT-5.4 Nano medium	OpenAI	2	7.0	11/21	12.0s
#75	Ring-2.6-1T medium	Inclusionai	2	6.9	11/21	61.3s
#76	Kimi K2.5 medium	Moonshot AI	2	6.8	10/21	98.4s
#79	Hunter Alpha medium	OpenRouter	2	6.7	8/18	10.3s
#80	Mimo V2 Omni medium	Xiaomi	2	6.7	10/21	41.2s
#84	Grok 4.20 Multi Agent Beta medium	X AI	2	6.6	8/18	9.69s
#94	GPT-5 Nano medium	OpenAI	2	6.3	9/21	42.5s
#96	Ring-2.6-1T none	Inclusionai	2	6.2	9/21	55.1s
#100	Grok Build 0.1 none	X AI	2	6.0	7/19	28.7s
#102	Gemma 4 26B A4B none	Google	2	6.0	8/21	5.91s
#109	GLM 5V Turbo none	Z.ai	2	5.8	8/21	2.99s
#111	Owl Alpha medium	Openrouter	2	5.7	8/21	11.9s
#113	DeepSeek V4 Pro none	DeepSeek	2	5.7	7/21	12.4s

←

1 4 5 6 8

→

Лучшие модели по Количество Не соблюдены инструкции

Количество Не соблюдены инструкции против Оценка

Лучшие модели по Время ответа (среднее)