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. Panga kwa: Alama ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

386

Modeli iliyoathirika zaidi

LFM2-24B-A2B 1

Kategoria

Katika kategoria Utatuzi wa mafumbo128 Katika kategoria Akili ya jumla115 Katika kategoria Ufuataji wa maagizo48 Katika kategoria Mbinu za kupinga AI44 Katika kategoria Uandishi wa msimbo29 Katika kategoria Mwito wa zana12 Katika kategoria Uchanganuzi na uchimbaji wa data7 Katika kategoria Mahususi kwa domeni2 Katika kategoria Mchanganyiko1

215/215

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#102	GPT-5.4 Mini medium	OpenAI	3	7.5	$0.786	12/22	26.7s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.786 Muda wa majibu (wastani) 26.7s
#101	Mercury 2.5 Preview medium	Inception	1	7.5	$0.024	15/22	3.58s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $0.024 Muda wa majibu (wastani) 3.58s
#100	Qwen3.5-27B medium	Qwen	2	7.5	$0.982	13/22	113.3s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.982 Muda wa majibu (wastani) 113.3s
#98	GPT 5.3 Chat none	OpenAI	2	7.5	$0.533	13/22	6.56s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.533 Muda wa majibu (wastani) 6.56s
#97	MiniMax M3 medium	Minimax	2	7.5	$0.300	11/22	75.2s
Jumla ya majaribio 22 Majaribio yenye makosa 11 Jumla ya gharama $0.300 Muda wa majibu (wastani) 75.2s
#95	GPT-5.4 Nano medium	OpenAI	2	7.5	$0.142	12/22	13.3s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.142 Muda wa majibu (wastani) 13.3s
#92	Solar Pro 4 xhigh	Upstage	3	7.6	$0.050	12/22	134.9s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.050 Muda wa majibu (wastani) 134.9s
#90	GLM 5 Turbo medium	Z.ai	1	7.6	$0.323	14/21	23.0s
Jumla ya majaribio 21 Majaribio yenye makosa 7 Jumla ya gharama $0.323 Muda wa majibu (wastani) 23.0s
#89	DeepSeek V4 Flash 0423 high	DeepSeek	2	7.6	$0.042	13/22	51.8s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.042 Muda wa majibu (wastani) 51.8s
#88	DeepSeek V4 Pro high	DeepSeek	2	7.7	$0.476	10/22	92.5s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.476 Muda wa majibu (wastani) 92.5s
#87	Claude Opus 4.6 medium	Anthropic	1	7.7	$2.961	13/22	32.2s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $2.961 Muda wa majibu (wastani) 32.2s
#86	Seed-2.0-Code low	Bytedance Seed	1	7.7	$0.767	13/22	72.2s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.767 Muda wa majibu (wastani) 72.2s
#85	GLM 5 medium	Z.ai	1	7.7	$0.228	15/21	33.5s
Jumla ya majaribio 21 Majaribio yenye makosa 6 Jumla ya gharama $0.228 Muda wa majibu (wastani) 33.5s
#84	Qwen3.7 Flash high	Qwen	1	7.8	$0.052	13/22	41.4s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.052 Muda wa majibu (wastani) 41.4s
#82	Seed-2.0-Lite medium	Bytedance Seed	2	7.8	$0.236	13/22	47.9s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.236 Muda wa majibu (wastani) 47.9s

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)