Orodha ya kushindwa kwa Hakufuata maelekezo

Ona ni modeli gani za AI hukutana na Hakufuata maelekezo mara nyingi zaidi ili utambue hatari za utegemevu kabla ya kuchagua.

Modeli zilizoonyeshwa

Jumla ya kushindwa

523

Modeli iliyoathirika zaidi

Claude Sonnet 5.5 5

Kategoria

Katika kategoria Utatuzi wa mafumbo167 Katika kategoria Akili ya jumla142 Katika kategoria Ufuataji wa maagizo77 Katika kategoria Mbinu za kupinga AI52 Katika kategoria Uandishi wa msimbo50 Katika kategoria Mwito wa zana13 Katika kategoria Kazi za mawakala10 Katika kategoria Uchanganuzi na uchimbaji wa data8 Katika kategoria Mahususi kwa domeni3 Katika kategoria Mchanganyiko1

294/294

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#202	Claude Sonnet 5.5 low	Anthropic	5	0.7	$0.909	10/23	7.46s
Jumla ya majaribio 23 Majaribio yenye makosa 13 Jumla ya gharama $0.909 Muda wa majibu (wastani) 7.46s
#320	Ling 3.1 Flash none	Inclusionai	5	0.5	$0.000	5/23	15.7s
Jumla ya majaribio 23 Majaribio yenye makosa 18 Jumla ya gharama $0.000 Muda wa majibu (wastani) 15.7s
#354	MiniMax M2.7 medium	Minimax	5	0.5	$0.326	5/23	50.3s
Jumla ya majaribio 23 Majaribio yenye makosa 18 Jumla ya gharama $0.326 Muda wa majibu (wastani) 50.3s
#424	Xing4.0 29b A4b none	Xingchen AGI	5	0.3	$0.000	0/23	42.7s
Jumla ya majaribio 23 Majaribio yenye makosa 23 Jumla ya gharama $0.000 Muda wa majibu (wastani) 42.7s
#224	Qwen3.7 Flash medium	Qwen	4	0.7	$0.076	10/23	51.8s
Jumla ya majaribio 23 Majaribio yenye makosa 13 Jumla ya gharama $0.076 Muda wa majibu (wastani) 51.8s
#231	Minimax M3.1 Flash high	Minimax	4	0.7	$0.000	9/23	34.0s
Jumla ya majaribio 23 Majaribio yenye makosa 14 Jumla ya gharama $0.000 Muda wa majibu (wastani) 34.0s
#278	Trinity Large Thinking medium	Arcee AI	4	0.6	$0.862	8/23	84.0s
Jumla ya majaribio 23 Majaribio yenye makosa 15 Jumla ya gharama $0.862 Muda wa majibu (wastani) 84.0s
#289	Inkling Small medium	Thinkingmachines	4	0.6	$0.113	10/23	6.03s
Jumla ya majaribio 23 Majaribio yenye makosa 13 Jumla ya gharama $0.113 Muda wa majibu (wastani) 6.03s
#304	Trinity Large Thinking high	Arcee AI	4	0.6	$0.794	6/23	74.5s
Jumla ya majaribio 23 Majaribio yenye makosa 17 Jumla ya gharama $0.794 Muda wa majibu (wastani) 74.5s
#342	Nemotron 3.5 Lightning high	NVIDIA	4	0.5	$0.168	5/23	77.1s
Jumla ya majaribio 23 Majaribio yenye makosa 18 Jumla ya gharama $0.168 Muda wa majibu (wastani) 77.1s
#350	MiMo-V2.5-Pro none	Xiaomi	4	0.5	$0.135	5/23	6.21s
Jumla ya majaribio 23 Majaribio yenye makosa 18 Jumla ya gharama $0.135 Muda wa majibu (wastani) 6.21s
#400	Mercury 2.5 none	Inception	4	0.4	$0.026	2/23	5.10s
Jumla ya majaribio 23 Majaribio yenye makosa 21 Jumla ya gharama $0.026 Muda wa majibu (wastani) 5.10s
#405	Grok 4.1 Fast medium	X AI	4	0.4	$0.069	9/19	23.8s
Jumla ya majaribio 19 Majaribio yenye makosa 10 Jumla ya gharama $0.069 Muda wa majibu (wastani) 23.8s
#407	Ling 3.0 Tiny default	Inclusionai	4	0.4	$0.000	2/23	13.4s
Jumla ya majaribio 23 Majaribio yenye makosa 21 Jumla ya gharama $0.000 Muda wa majibu (wastani) 13.4s
#408	Granite 4.1 8b default	IBM Granite	4	0.4	$0.007	2/23	1.38s
Jumla ya majaribio 23 Majaribio yenye makosa 21 Jumla ya gharama $0.007 Muda wa majibu (wastani) 1.38s

Kushindwa kwa 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)