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)
#326	Laguna XS 2.1 none	Poolside	1	0.4	$0.020	0/2	364ms
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.020 Muda wa majibu (wastani) 364ms
#327	Qwen3.6 35B A3B none	Qwen	1	0.6	$0.105	1/2	1.86s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.105 Muda wa majibu (wastani) 1.86s
#329	Ling 3.0 Flash none	Inclusionai	1	0.5	$0.004	0/2	836ms
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.004 Muda wa majibu (wastani) 836ms
#334	Mistral Small 4 medium	Mistral	1	0.7	$0.126	1/2	1.38s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.126 Muda wa majibu (wastani) 1.38s
#335	Mistral Small 4 none	Mistral	1	0.7	$0.047	1/2	380ms
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.047 Muda wa majibu (wastani) 380ms
#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
#338	MiMo-V2.5-Pro none	Xiaomi	1	0.6	$0.135	1/2	1.03s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.135 Muda wa majibu (wastani) 1.03s
#339	Apodex 1.1 Mini default	Apodex	1	0.5	$0.000	0/2	1.06s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 1.06s
#340	Laguna S 2.1 medium	Poolside	1	0.4	$0.092	0/2	400ms
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.092 Muda wa majibu (wastani) 400ms
#341	Mercury 2.5 Preview low	Inception	1	0.6	$0.015	1/2	1.60s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.015 Muda wa majibu (wastani) 1.60s
#342	MiniMax M2.7 medium	Minimax	1	0.4	$0.326	0/2	12.8s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.326 Muda wa majibu (wastani) 12.8s
#343	Dots 3 Note Preview default	Dots Studio	1	0.5	$0.000	0/2	1.06s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 1.06s
#344	GPT-4o-mini default	OpenAI	1	0.6	$0.024	1/2	1.11s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.024 Muda wa majibu (wastani) 1.11s
#347	Inkling Small none	Thinkingmachines	1	0.6	$0.054	1/2	767ms
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.054 Muda wa majibu (wastani) 767ms
#348	Qwen3 Coder Next default	Qwen	1	0.6	$0.067	1/2	7.78s
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.067 Muda wa majibu (wastani) 7.78s

←

1 3 4 5 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 inayokadiriwa