Orodha ya Utatuzi wa mafumbo x Hakufuata maelekezo

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Hakufuata maelekezo katika Utatuzi wa mafumbo, ili uone udhaifu haraka. Panga kwa: Majaribio sahihi ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

Modeli iliyoathirika zaidi

GPT-5.3-Codex 1

Sababu za kushindwa

Jibu lisilo sahihi201 Hakufuata maelekezo90 Hitilafu ya API12 Muundo wa ziada8 Muda umeisha5 Hakuna jibu3

Kategoria

Utatuzi wa mafumbo90 Akili ya jumla78 Mbinu za kupinga AI33 Ufuataji wa maagizo18 Uandishi wa msimbo16 Mwito wa zana8 Mahususi kwa domeni1 Mchanganyiko1

86/86

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#13	GPT-5.3-Codex medium	OpenAI	1	9.0	$0.920	2/3	5.05s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.920 Muda wa majibu (wastani) 5.05s
#16	Muse Spark 1.1 medium	Meta	1	7.9	$1.357	2/3	42.5s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.357 Muda wa majibu (wastani) 42.5s
#18	GPT-5.4 medium	OpenAI	1	8.2	$1.533	2/3	9.14s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.533 Muda wa majibu (wastani) 9.14s
#21	GPT-5.2 medium	OpenAI	1	7.5	$0.951	2/3	5.80s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.951 Muda wa majibu (wastani) 5.80s
#24	Muse Spark 1.1 low	Meta	1	8.3	$0.647	2/3	6.60s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.647 Muda wa majibu (wastani) 6.60s
#35	Seed-2.0-Lite medium	Bytedance Seed	1	9.0	$0.234	2/3	10.2s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.234 Muda wa majibu (wastani) 10.2s
#45	DeepSeek V4 Flash high	DeepSeek	1	8.2	$0.042	2/3	26.1s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.042 Muda wa majibu (wastani) 26.1s
#49	GLM 5 Turbo medium	Z.ai	1	8.7	$0.323	2/3	5.23s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.323 Muda wa majibu (wastani) 5.23s
#56	GPT-5.4 Mini medium	OpenAI	1	7.8	$0.756	2/3	4.37s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.756 Muda wa majibu (wastani) 4.37s
#58	Qwen3.5-27B medium	Qwen	1	8.2	$1.627	2/3	59.6s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $1.627 Muda wa majibu (wastani) 59.6s
#85	Qwen3.6 Flash medium	Qwen	1	8.2	$0.738	2/3	6.29s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.738 Muda wa majibu (wastani) 6.29s
#100	Hy3 preview medium	Tencent	1	7.7	$0.018	2/3	11.1s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.018 Muda wa majibu (wastani) 11.1s
#163	Gemini 3.1 Flash Lite Preview high	Google	1	7.7	$2.310	2/3	46.7s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $2.310 Muda wa majibu (wastani) 46.7s
#179	Ring-2.6-1T none	Inclusionai	1	7.7	$0.026	2/3	31.5s
Jumla ya majaribio 3 Majaribio yenye makosa 1 Jumla ya gharama $0.026 Muda wa majibu (wastani) 31.5s
#26	GPT-5 Mini medium	OpenAI	1	5.6	$0.237	1/3	15.2s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.237 Muda wa majibu (wastani) 15.2s

1 2 3 4 5 6

→

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

Utatuzi wa mafumbo: 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