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: Общая стоимость ↓.

Показано моделей

5

Всего сбоев

245

Наиболее затронутая модель

Grok 4.20 Multi Agent Beta 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)
#193	Elephant Alpha none	Openrouter	3	4.3	$0.000	5/21	1.22s
Всего тестов 21 Ошибочных тестов 16 Общая стоимость $0.000 Время ответа (среднее) 1.22s
#195	Elephant Alpha medium	Openrouter	2	4.3	$0.000	6/21	1.27s
Всего тестов 21 Ошибочных тестов 15 Общая стоимость $0.000 Время ответа (среднее) 1.27s
#196	Hunter Alpha none	OpenRouter	2	4.2	$0.000	6/18	4.70s
Всего тестов 18 Ошибочных тестов 12 Общая стоимость $0.000 Время ответа (среднее) 4.70s
#207	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	1	3.4	$0.000	4/19	17.1s
Всего тестов 19 Ошибочных тестов 15 Общая стоимость $0.000 Время ответа (среднее) 17.1s
#208	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	2	3.2	$0.000	2/19	728ms
Всего тестов 19 Ошибочных тестов 17 Общая стоимость $0.000 Время ответа (среднее) 728ms

←

1 9 10

Лучшие модели по Количество Не соблюдены инструкции

Количество Не соблюдены инструкции против Оценка

Лучшие модели по Время ответа (среднее)