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

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)
#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
#39	Qwen3.6 Flash medium	Qwen	1	7.5	12/21	19.2s
#43	MiMo-V2.5-Pro medium	Xiaomi	2	7.5	12/21	26.1s
#45	GPT-5.4 Mini medium	OpenAI	3	7.5	12/21	22.3s
#49	Qwen3.5-Flash medium	Qwen	1	7.4	12/21	63.3s
#51	Mimo V2 PRO medium	Xiaomi	1	7.4	12/21	22.2s
#54	GPT-5 Mini medium	OpenAI	3	7.3	12/21	23.6s
#56	MiMo-V2.5 medium	Xiaomi	1	7.3	12/21	27.1s
#58	Gemini 3.1 Flash Lite Preview none	Google	2	7.2	12/21	1.21s

←

1 2 3 8

→

Лучшие модели по Количество Не соблюдены инструкции

Количество Не соблюдены инструкции против Оценка

Лучшие модели по Время ответа (среднее)