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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

166

Modeli iliyoathirika zaidi

Minimax M3.1 Flash 2

Sababu za kushindwa

Jibu lisilo sahihi352 Hakufuata maelekezo166 Hitilafu ya API35 Muundo wa ziada16 Hakuna jibu14 Muda umeisha11

Kategoria

Utatuzi wa mafumbo166 Akili ya jumla142 Ufuataji wa maagizo77 Mbinu za kupinga AI52 Uandishi wa msimbo50 Mwito wa zana13 Kazi za mawakala10 Uchanganuzi na uchimbaji wa data8 Mahususi kwa domeni3 Mchanganyiko1

157/157

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama ya kategoria	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#361	MiMo-V2.5 none	Xiaomi	1	0.5	$0.049	1/3	2.13s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.049 Muda wa majibu (wastani) 2.13s
#362	Qwen3.5-9B none	Qwen	1	0.3	$0.041	0/3	621ms
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.041 Muda wa majibu (wastani) 621ms
#363	Hy4 preview none	Tencent	1	0.5	$0.165	0/3	24.1s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.165 Muda wa majibu (wastani) 24.1s
#364	Mimo V2 Omni medium	Xiaomi	1	0.6	$0.683	1/3	2.38s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.683 Muda wa majibu (wastani) 2.38s
#366	GLM 4.7 Flash none	Z.ai	1	0.6	$0.027	1/3	1.20s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.027 Muda wa majibu (wastani) 1.20s
#367	Mercury 2.5 Preview default	Inception	1	0.6	$0.023	1/3	684ms
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.023 Muda wa majibu (wastani) 684ms
#372	Qwen3 Coder Next medium	Qwen	1	0.3	$0.071	0/3	1.25s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.071 Muda wa majibu (wastani) 1.25s
#374	GPT-5.4 Nano none	OpenAI	1	0.5	$0.068	1/3	1.25s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.068 Muda wa majibu (wastani) 1.25s
#376	GLM 5V Turbo none	Z.ai	1	0.5	$0.052	1/3	2.40s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.052 Muda wa majibu (wastani) 2.40s
#379	Owl Alpha medium	Openrouter	1	0.5	$0.000	1/3	3.40s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 3.40s
#380	Mimo V2 PRO default	Xiaomi	1	0.6	$0.045	1/3	1.61s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.045 Muda wa majibu (wastani) 1.61s
#381	Owl Alpha default	Openrouter	1	0.5	$0.000	1/3	4.18s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.000 Muda wa majibu (wastani) 4.18s
#382	Ling 2.6 Flash default	Inclusionai	1	0.3	$0.002	0/3	6.51s
Jumla ya majaribio 3 Majaribio yenye makosa 3 Jumla ya gharama $0.002 Muda wa majibu (wastani) 6.51s
#384	Ring 2.6 1t default	Inclusionai	1	0.8	$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
#386	Nemotron 3 Super none	NVIDIA	1	0.5	$0.016	1/3	2.36s
Jumla ya majaribio 3 Majaribio yenye makosa 2 Jumla ya gharama $0.016 Muda wa majibu (wastani) 2.36s

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