Orodha ya Ufuataji wa maagizo x Hitilafu ya API

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hitilafu ya API katika Ufuataji wa maagizo, 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 sahihi111 Hakufuata maelekezo73 Hitilafu ya API25 Muundo wa ziada8 Muda umeisha5 Hakuna jibu2

Kategoria

Uandishi wa msimbo65 Mchanganyiko62 Mbinu za kupinga AI44 Mahususi kwa domeni40 Mwito wa zana39 Kazi za mawakala36 Utatuzi wa mafumbo35 Uchanganuzi na uchimbaji wa data32 Ufuataji wa maagizo25 Maarifa ya jumla19

21/21

Nafasi	Modeli	Kampuni	Idadi ya Hitilafu ya API	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#225	Mercury 2.5 high	Inception	1	0.7	$0.044	1/2	934ms
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.044 Muda wa majibu (wastani) 934ms
#336	Mercury 2.5 low	Inception	1	0.3	$0.020	0/2	972ms
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.020 Muda wa majibu (wastani) 972ms
#239	Mercury 2.5 medium	Inception	1	0.6	$0.034	1/2	1.07s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.034 Muda wa majibu (wastani) 1.07s
#43	Muse Wonder minimal	Meta	1	0.7	$1.639	1/2	1.39s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.639 Muda wa majibu (wastani) 1.39s
#131	Muse Wonder high	Meta	1	0.7	$3.426	1/2	1.97s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $3.426 Muda wa majibu (wastani) 1.97s
#40	Muse Wonder low	Meta	1	0.7	$2.637	1/2	2.08s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $2.637 Muda wa majibu (wastani) 2.08s
#139	Muse Wonder xhigh	Meta	1	0.7	$4.012	1/2	2.64s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $4.012 Muda wa majibu (wastani) 2.64s
#389	Qwen3.6 Plus Preview medium	Qwen	1	0.7	$0.000	1/2	3.40s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.40s
#32	Muse Wonder medium	Meta	1	0.7	$3.397	1/2	3.88s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $3.397 Muda wa majibu (wastani) 3.88s
#412	Xing4.0 29b A4b none	Xingchen AGI	1	0.4	$0.000	0/2	11.7s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 11.7s
#141	GPT-6 Luna low	OpenAI	1	0.7	$0.033	1/2	17.4s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.033 Muda wa majibu (wastani) 17.4s
#185	Step 5 Preview high	Stepfun	1	0.7	$4.513	1/2	20.5s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $4.513 Muda wa majibu (wastani) 20.5s
#398	Xing4.0 29b A4b medium	Xingchen AGI	1	0.4	$0.000	0/2	25.4s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 25.4s
#320	Ember-1 none	Fireworks	1	0.6	$0.786	1/2	31.0s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.786 Muda wa majibu (wastani) 31.0s
#184	Ember-1 low	Fireworks	1	0.6	$1.488	1/2	32.7s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $1.488 Muda wa majibu (wastani) 32.7s

Chuja miundo

Modeli bora kwa Idadi ya Hitilafu ya API

Idadi ya Hitilafu ya API dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Ufuataji wa maagizo: Hitilafu ya API

Chuja miundo

Modeli bora kwa Idadi ya Hitilafu ya API

Idadi ya Hitilafu ya API dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa