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

Modeli iliyoathirika zaidi

Sababu za kushindwa

Jibu lisilo sahihi82 Hakufuata maelekezo48 Muundo wa ziada7 Muda umeisha5 Hakuna jibu2 Hitilafu ya API2

Kategoria

Mahususi kwa domeni654 Mbinu za kupinga AI386 Uandishi wa msimbo361 Utatuzi wa mafumbo275 Maarifa ya jumla244 Mchanganyiko95 Akili ya jumla90 Ufuataji wa maagizo82 Uchanganuzi na uchimbaji wa data66 Mwito wa zana5

82/82

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#297	Ling 3.0 Tiny none	Inclusionai	1	3.1	$0.000	0/2	2.44s
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 2.44s
#298	Granite 4.1 8B none	IBM Granite	1	3.6	$0.007	0/2	344ms
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.007 Muda wa majibu (wastani) 344ms
#299	Nemotron 3.5 Lightning none	NVIDIA	1	6.5	$0.007	1/2	511ms
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.007 Muda wa majibu (wastani) 511ms
#303	Grok 4.1 Fast none	X AI	1	3.0	$0.008	0/2	685ms
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.008 Muda wa majibu (wastani) 685ms
#306	Laguna Xs.2 none	Poolside	1	6.5	$0.004	1/2	439ms
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.004 Muda wa majibu (wastani) 439ms
#309	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	1	4.8	$0.000	0/2	541ms
Jumla ya majaribio 2 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 541ms
#311	LFM2-24B-A2B none	Liquid	1	6.3	$0.001	1/2	752ms
Jumla ya majaribio 2 Majaribio yenye makosa 1 Jumla ya gharama $0.001 Muda wa majibu (wastani) 752ms

←

1 2 3 4 5 6

Chuja miundo