Orodha ya Mbinu za kupinga AI x Hakufuata maelekezo

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hakufuata maelekezo katika Mbinu za kupinga AI, ili uone udhaifu haraka. Panga kwa: Muda wa majibu (wastani) ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Mercury 2.5 1

Sababu za kushindwa

Jibu lisilo sahihi502 Hakufuata maelekezo52 Hitilafu ya API44 Muundo wa ziada34 Hakuna jibu13 Muda umeisha8

Kategoria

Utatuzi wa mafumbo160 Akili ya jumla141 Ufuataji wa maagizo73 Mbinu za kupinga AI52 Uandishi wa msimbo45 Mwito wa zana13 Kazi za mawakala10 Uchanganuzi na uchimbaji wa data8 Mahususi kwa domeni3 Mchanganyiko1

49/49

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#388	Mercury 2.5 none	Inception	1	0.4	$0.026	0/4	469ms
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.026 Muda wa majibu (wastani) 469ms
#416	Laguna Xs.2 default	Poolside	1	0.3	$0.004	0/4	534ms
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.004 Muda wa majibu (wastani) 534ms
#326	Laguna XS 2.1 none	Poolside	1	0.5	$0.020	1/4	755ms
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.020 Muda wa majibu (wastani) 755ms
#341	Mercury 2.5 Preview low	Inception	1	0.6	$0.015	1/4	759ms
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.015 Muda wa majibu (wastani) 759ms
#396	Granite 4.1 8b default	IBM Granite	1	0.5	$0.007	1/4	844ms
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.007 Muda wa majibu (wastani) 844ms
#404	Elephant Alpha default	Openrouter	1	0.7	$0.000	2/4	963ms
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 963ms
#263	Gemini 3.1 Flash Lite Preview none	Google	1	0.7	$0.090	2/4	1.04s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.090 Muda wa majibu (wastani) 1.04s
#415	Grok 4.1 Fast default	X AI	1	0.3	$0.008	0/4	1.07s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.008 Muda wa majibu (wastani) 1.07s
#218	Mercury 2 medium	Inception	1	0.7	$0.121	2/4	1.12s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.121 Muda wa majibu (wastani) 1.12s
#266	Beam 1.0 501B A23B high	Reflection	1	0.9	$0.674	3/4	1.36s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.674 Muda wa majibu (wastani) 1.36s
#121	MiMo-V2.6-Flash medium	Xiaomi	1	0.6	$0.218	1/4	1.42s
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.218 Muda wa majibu (wastani) 1.42s
#376	Mimo V2 Omni default	Xiaomi	1	0.4	$0.021	0/4	1.63s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.021 Muda wa majibu (wastani) 1.63s
#247	Gemini 3.5 Flash Lite low	Google	1	0.9	$0.183	3/4	1.69s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.183 Muda wa majibu (wastani) 1.69s
#328	Inkling Small low	Thinkingmachines	1	0.9	$0.055	3/4	1.81s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.055 Muda wa majibu (wastani) 1.81s
#343	Dots 3 Note Preview default	Dots Studio	1	0.3	$0.000	0/4	1.92s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.000 Muda wa majibu (wastani) 1.92s

Chuja miundo

Modeli bora kwa Idadi ya Hakufuata maelekezo

Idadi ya Hakufuata maelekezo dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mbinu za kupinga AI: Hakufuata maelekezo

Chuja miundo

Modeli bora kwa Idadi ya Hakufuata maelekezo

Idadi ya Hakufuata maelekezo dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa