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: Тестов верно ↑.

Показано моделей

15

Всего сбоев

215

Наиболее затронутая модель

Granite 4.1 8B 4

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)
#99	gpt-oss-120b medium	OpenAI	3	6.1	9/21	22.3s
#79	Hunter Alpha medium	OpenRouter	2	6.7	8/18	10.3s
#84	Grok 4.20 Multi Agent Beta medium	X AI	2	6.6	8/18	9.69s
#86	Grok 4.1 Fast medium	X AI	4	6.5	9/19	23.8s
#92	Laguna M.1 medium	Poolside	1	6.4	9/19	14.7s
#76	Kimi K2.5 medium	Moonshot AI	2	6.8	10/21	98.4s
#78	Qwen3.6 27B medium	Qwen	1	6.8	10/21	59.7s
#80	Mimo V2 Omni medium	Xiaomi	2	6.7	10/21	41.2s
#81	Mercury 2 medium	Inception	3	6.6	10/21	2.24s
#85	Gemma 4 31B none	Google	1	6.5	10/21	4.05s
#87	Gemini 3.1 Flash Lite minimal	Google	3	6.4	10/21	1.33s
#88	Qwen3.7 Plus none	Qwen	1	6.4	10/21	2.85s
#83	Step 3.5 Flash none	Stepfun	1	6.6	6/12	39.0s
#59	GLM 5V Turbo medium	Z.ai	1	7.2	11/21	23.1s
#67	MiniMax M3 medium	Minimax	2	7.1	11/21	68.2s

←

1 4 5 6 8

→

Лучшие модели по Количество Не соблюдены инструкции

Количество Не соблюдены инструкции против Оценка

Лучшие модели по Время ответа (среднее)