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)
#60	Kimi K2.6 medium	Moonshot AI	2	7.2	12/21	71.7s
#63	GPT-5.3 Chat none	OpenAI	2	7.2	12/21	6.34s
#64	MiMo-V2-Flash medium	Xiaomi	1	7.2	12/21	20.1s
#65	Grok 4.20 medium	X AI	2	7.1	12/21	27.7s
#68	Claude Opus 4.8 none	Anthropic	1	7.0	12/21	3.47s
#69	Claude Opus 4.6 medium	Anthropic	1	7.0	12/21	25.9s
#30	Qwen3.5-27B medium	Qwen	2	7.8	13/21	68.4s
#31	DeepSeek V4 Flash high	DeepSeek	2	7.7	13/21	45.8s
#38	Grok 4.3 medium	X AI	2	7.6	13/21	47.5s
#40	Gemini 3.1 Flash Lite Preview medium	Google	1	7.5	13/21	3.96s
#42	GPT-5.2 medium	OpenAI	3	7.5	13/21	16.9s
#44	Gemini 3.1 Flash Lite medium	Google	1	7.5	13/21	3.23s
#46	Qwen3.6 35B A3B medium	Qwen	1	7.4	13/21	18.1s
#50	Gemini 3.1 Flash Lite Preview low	Google	1	7.4	13/21	2.77s
#19	Seed-2.0-Lite medium	Bytedance Seed	2	8.2	14/21	47.1s

←

1 6 7 8

→

Лучшие модели по Количество Не соблюдены инструкции

Количество Не соблюдены инструкции против Оценка

Лучшие модели по Время ответа (среднее)