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: Время ответа (среднее) ↓.

Показано моделей

5

Всего сбоев

245

Наиболее затронутая модель

Step 3.5 Flash 3

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)
#191	Grok 4.20 Beta none	X AI	1	4.4	$0.087	6/18	1.19s
Всего тестов 18 Ошибочных тестов 12 Общая стоимость $0.087 Время ответа (среднее) 1.19s
#189	Mercury 2 none	Inception	1	4.6	$0.030	4/22	829ms
Всего тестов 22 Ошибочных тестов 18 Общая стоимость $0.030 Время ответа (среднее) 829ms
#205	Laguna Xs.2 none	Poolside	1	3.8	$0.004	5/19	806ms
Всего тестов 19 Ошибочных тестов 14 Общая стоимость $0.004 Время ответа (среднее) 806ms
#210	LFM2-24B-A2B none	Liquid	1	2.2	$0.001	2/16	782ms
Всего тестов 16 Ошибочных тестов 14 Общая стоимость $0.001 Время ответа (среднее) 782ms
#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)