Orodha ya Akili ya jumla x Hakufuata maelekezo

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hakufuata maelekezo katika Akili ya jumla, ili uone udhaifu haraka.

Modeli zilizoonyeshwa

Jumla ya kushindwa

115

Modeli iliyoathirika zaidi

Grok 4.5 1

Sababu za kushindwa

Hakufuata maelekezo115 Jibu lisilo sahihi90 Hitilafu ya API14 Muda umeisha4

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

115/115

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#24	Grok 4.5 high	X AI	1	4.7	$2.252	0/1	9.82s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.252 Muda wa majibu (wastani) 9.82s
#25	GPT-5.3-Codex medium	OpenAI	1	4.6	$0.988	0/1	4.87s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.988 Muda wa majibu (wastani) 4.87s
#27	Seed 2.1 Turbo high	Bytedance Seed	1	6.5	$1.797	0/1	25.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.797 Muda wa majibu (wastani) 25.7s
#37	Muse Spark 1.2 medium	Meta	1	6.1	$1.339	0/1	10.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.339 Muda wa majibu (wastani) 10.7s
#41	Qwen3.8 Max low	Qwen	1	6.5	$0.702	0/1	5.29s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.702 Muda wa majibu (wastani) 5.29s
#42	GPT-5.4 medium	OpenAI	1	4.7	$1.560	0/1	4.92s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.560 Muda wa majibu (wastani) 4.92s
#44	Muse Spark 1.2 low	Meta	1	5.0	$0.655	0/1	8.46s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.655 Muda wa majibu (wastani) 8.46s
#47	GPT-5.2 medium	OpenAI	1	3.7	$1.182	0/1	4.32s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.182 Muda wa majibu (wastani) 4.32s
#48	Qwen3.8 27B high	Qwen	1	5.0	~$0.287	0/1	8.45s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama ~$0.287 Muda wa majibu (wastani) 8.45s
#49	Seed 2.1 Turbo medium	Bytedance Seed	1	6.1	$1.951	0/1	40.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.951 Muda wa majibu (wastani) 40.6s
#53	Gemini 2.5 Flash medium	Google	1	4.8	$0.644	0/1	4.86s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.644 Muda wa majibu (wastani) 4.86s
#55	Claude Sonnet 5 medium	Anthropic	1	4.8	$0.922	0/1	4.32s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.922 Muda wa majibu (wastani) 4.32s
#57	GPT-5 Mini medium	OpenAI	1	4.5	$0.241	0/1	13.5s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.241 Muda wa majibu (wastani) 13.5s
#67	GPT-5.2 Chat none	OpenAI	1	4.4	$0.594	0/1	3.20s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $0.594 Muda wa majibu (wastani) 3.20s
#69	Qwen3.8 27B low	Qwen	1	5.0	~$0.071	0/1	5.37s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama ~$0.071 Muda wa majibu (wastani) 5.37s

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

Akili ya jumla: 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 inayokadiriwaMakadirio yanahusu umeme wa GPU pekee. Hayajumuishi sehemu nyingine za kompyuta wala gharama ya kununua maunzi. NVIDIA GeForce RTX 3090: 2.8999 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.286715.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa