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. Panga kwa: Jumla ya gharama ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

142

Modeli iliyoathirika zaidi

Claude Sonnet 5.5 1

Sababu za kushindwa

Hakufuata maelekezo142 Jibu lisilo sahihi134 Hitilafu ya API17 Muda umeisha4

Kategoria

Utatuzi wa mafumbo166 Akili ya jumla142 Ufuataji wa maagizo77 Mbinu za kupinga AI52 Uandishi wa msimbo50 Mwito wa zana13 Kazi za mawakala10 Uchanganuzi na uchimbaji wa data8 Mahususi kwa domeni3 Mchanganyiko1

142/142

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#34	Claude Sonnet 5.5 max	Anthropic	1	0.5	$8.557	0/1	56.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $8.557 Muda wa majibu (wastani) 56.7s
#400	Grok 4.20 Multi Agent Beta medium	X AI	1	0.6	$5.599	0/1	6.40s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $5.599 Muda wa majibu (wastani) 6.40s
#279	Step 5 Preview medium	Stepfun	1	0.3	$4.136	0/1	34.8s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $4.136 Muda wa majibu (wastani) 34.8s
#37	Qwen3.8 Max (0902) high	Qwen	1	0.6	$3.306	0/1	75.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $3.306 Muda wa majibu (wastani) 75.1s
#212	Grok 4.7 high	X AI	1	0.4	$3.037	0/1	17.1s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $3.037 Muda wa majibu (wastani) 17.1s
#122	Qwen3.8 2.4T A95B high	Qwen	1	0.6	$2.949	0/1	11.4s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.949 Muda wa majibu (wastani) 11.4s
#101	Grok 4.5 high	X AI	1	0.5	$2.687	0/1	9.82s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.687 Muda wa majibu (wastani) 9.82s
#61	GPT-5.4 medium	OpenAI	1	0.5	$2.213	0/1	4.92s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.213 Muda wa majibu (wastani) 4.92s
#375	Gemini 3.1 Flash Lite high	Google	1	0.5	$2.044	0/1	45.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.044 Muda wa majibu (wastani) 45.7s
#69	Seed 2.1 Turbo medium	Bytedance Seed	1	0.6	$2.042	0/1	40.6s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $2.042 Muda wa majibu (wastani) 40.6s
#43	Seed 2.1 Turbo high	Bytedance Seed	1	0.6	$1.892	0/1	25.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.892 Muda wa majibu (wastani) 25.7s
#59	Pareto 26.9 default	Unbiased	1	0.6	$1.864	0/1	6.55s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.864 Muda wa majibu (wastani) 6.55s
#56	Muse Spark 1.2 medium	Meta	1	0.6	$1.590	0/1	10.7s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.590 Muda wa majibu (wastani) 10.7s
#66	GPT-5.2 medium	OpenAI	1	0.4	$1.558	0/1	4.32s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.558 Muda wa majibu (wastani) 4.32s
#73	Claude Sonnet 5.5 xhigh	Anthropic	1	0.6	$1.516	0/1	9.10s
Jumla ya majaribio 1 Majaribio yenye makosa 1 Jumla ya gharama $1.516 Muda wa majibu (wastani) 9.10s

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 inayokadiriwa