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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

Muse Spark 1.2 2

Sababu za kushindwa

Jibu lisilo sahihi386 Hakufuata maelekezo44 Muundo wa ziada29 Hitilafu ya API20 Hakuna jibu13 Muda umeisha6

Kategoria

Utatuzi wa mafumbo128 Akili ya jumla115 Ufuataji wa maagizo48 Mbinu za kupinga AI44 Uandishi wa msimbo29 Mwito wa zana12 Uchanganuzi na uchimbaji wa data7 Mahususi kwa domeni2 Mchanganyiko1

42/42

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#154	GLM 5V Turbo medium	Z.ai	1	7.2	$0.457	2/4	10.8s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.457 Muda wa majibu (wastani) 10.8s
#155	LongCat 2.0 high	Meituan	1	8.9	$0.492	3/4	7.76s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.492 Muda wa majibu (wastani) 7.76s
#157	Gemini 3.5 Flash Lite low	Google	1	9.0	$0.138	3/4	1.69s
Jumla ya majaribio 4 Majaribio yenye makosa 1 Jumla ya gharama $0.138 Muda wa majibu (wastani) 1.69s
#168	Gemini 3.1 Flash Lite Preview none	Google	1	7.5	$0.052	2/4	1.04s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.052 Muda wa majibu (wastani) 1.04s
#184	gpt-oss-120b medium	OpenAI	1	6.7	$0.020	2/4	10.2s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.020 Muda wa majibu (wastani) 10.2s
#214	Inkling Small low	Thinkingmachines	1	9.2	$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
#225	Owl Alpha none	Openrouter	1	3.4	$0.000	0/4	2.78s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.000 Muda wa majibu (wastani) 2.78s
#232	Mimo V2 Omni none	Xiaomi	1	3.6	$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
#237	MiMo-V2.5-Pro none	Xiaomi	1	3.3	$0.068	0/4	2.67s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.068 Muda wa majibu (wastani) 2.67s
#239	DeepSeek V4 Flash 0731 none	DeepSeek	1	3.4	$0.011	0/4	4.19s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.011 Muda wa majibu (wastani) 4.19s
#242	Laguna XS 2.1 none	Poolside	1	5.3	$0.008	1/4	755ms
Jumla ya majaribio 4 Majaribio yenye makosa 3 Jumla ya gharama $0.008 Muda wa majibu (wastani) 755ms
#243	Seed-2.0-Code none	Bytedance Seed	1	3.0	$0.151	0/4	5.06s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.151 Muda wa majibu (wastani) 5.06s
#247	Dots 3 Note Preview none	Dots Studio	1	3.1	$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
#254	Qwen3 Coder Next none	Qwen	1	3.6	$0.026	0/4	3.31s
Jumla ya majaribio 4 Majaribio yenye makosa 4 Jumla ya gharama $0.026 Muda wa majibu (wastani) 3.31s
#259	MiniMax M2.7 medium	Minimax	1	7.9	$0.208	2/4	40.3s
Jumla ya majaribio 4 Majaribio yenye makosa 2 Jumla ya gharama $0.208 Muda wa majibu (wastani) 40.3s

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