Orodha ya Ufuataji wa maagizo x Jibu lisilo sahihi

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Ufuataji wa maagizo, ili uone udhaifu haraka.

Modeli zilizoonyeshwa

Jumla ya kushindwa

111

Modeli iliyoathirika zaidi

Qwen3.7 Plus 1

Sababu za kushindwa

Jibu lisilo sahihi111 Hakufuata maelekezo73 Hitilafu ya API25 Muundo wa ziada8 Muda umeisha5 Hakuna jibu2

Kategoria

Mahususi kwa domeni878 Mbinu za kupinga AI502 Uandishi wa msimbo477 Utatuzi wa mafumbo344 Maarifa ya jumla306 Akili ya jumla129 Kazi za mawakala126 Mchanganyiko126 Ufuataji wa maagizo111 Uchanganuzi na uchimbaji wa data93

111/111

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#244	LongCat 2.0 none	Meituan	1	0.7	$0.104	1/2	2.82s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.104 Muda wa majibu (wastani) 2.82s
#246	Qwen3.6 27B none	Qwen	1	0.6	$0.148	1/2	1.92s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.148 Muda wa majibu (wastani) 1.92s
#256	Trinity Large Thinking low	Arcee AI	1	0.4	$0.918	0/2	4.07s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.918 Muda wa majibu (wastani) 4.07s
#259	Space Bunny Alpha xhigh	Stealth	1	0.6	$0.000	0/2	2.22s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 2.22s
#262	DeepSeek V4 Flash 0731 none	DeepSeek	1	0.5	$0.053	0/2	1.42s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.053 Muda wa majibu (wastani) 1.42s
#267	Trinity Large Thinking medium	Arcee AI	1	0.4	$0.862	0/2	3.99s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.862 Muda wa majibu (wastani) 3.99s
#269	Inkling none	Thinkingmachines	1	0.6	$0.292	1/2	1.72s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.292 Muda wa majibu (wastani) 1.72s
#270	Qwen3.5 Plus 2026-04-20 none	Qwen	1	0.6	$0.216	1/2	1.17s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.216 Muda wa majibu (wastani) 1.17s
#272	Granite 4.2 8B medium	IBM Granite	1	0.4	$0.029	0/2	36.9s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.029 Muda wa majibu (wastani) 36.9s
#275	Claude Sonnet 4.6 none	Anthropic	1	0.7	$0.661	1/2	1.96s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.661 Muda wa majibu (wastani) 1.96s
#283	Qwen3.6 Flash none	Qwen	1	0.6	$0.139	1/2	1.10s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.139 Muda wa majibu (wastani) 1.10s
#286	Qwen3.7 Flash none	Qwen	1	0.6	$0.028	1/2	892ms
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.028 Muda wa majibu (wastani) 892ms
#287	Qwen3.8 Flash Next none	Qwen	1	0.7	~$0.011	1/2	612ms
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama ~$0.011 Muda wa majibu (wastani) 612ms
#289	DeepSeek V4.1 Flash none	DeepSeek	1	0.7	$0.391	1/2	6.81s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.391 Muda wa majibu (wastani) 6.81s
#292	Trinity Large Thinking high	Arcee AI	1	0.6	$0.794	1/2	4.12s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.794 Muda wa majibu (wastani) 4.12s

←

1 2 3 8

→

Chuja miundo

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Ufuataji wa maagizo: Jibu lisilo sahihi

Chuja miundo

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi 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: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa