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: Majaribio sahihi ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

523

Modeli iliyoathirika zaidi

Xing4.0 29b A4b 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)
#275	Claude Fable 5.1 low	Anthropic	3	0.6	$3.395	11/23	11.4s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $3.395 Muda wa majibu (wastani) 11.4s
#277	Beam 1.0 501B A23B high	Reflection	2	0.6	$0.674	11/23	9.03s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.674 Muda wa majibu (wastani) 9.03s
#279	Apodex 1.1 Mini low	Apodex	1	0.6	$0.000	11/23	33.7s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.000 Muda wa majibu (wastani) 33.7s
#285	Apodex 1.1 Mini medium	Apodex	2	0.6	$0.000	11/23	32.7s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.000 Muda wa majibu (wastani) 32.7s
#303	Ring 2.6 1t medium	Inclusionai	2	0.6	$0.102	11/23	65.5s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.102 Muda wa majibu (wastani) 65.5s
#446	Step 3.5 Flash none	Stepfun	1	0.2	$0.020	6/12	39.0s
Jumla ya majaribio 12 Majaribio yenye makosa 6 Jumla ya gharama $0.020 Muda wa majibu (wastani) 39.0s
#126	MiMo-V2.6-Flash medium	Xiaomi	1	0.8	$0.218	12/23	61.9s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.218 Muda wa majibu (wastani) 61.9s
#143	Qwen3.7 Flash low	Qwen	3	0.8	$0.071	12/23	41.0s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.071 Muda wa majibu (wastani) 41.0s
#144	Muse Glimmer 30B medium	Meta	1	0.8	$0.288	12/23	34.0s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.288 Muda wa majibu (wastani) 34.0s
#147	GPT-6 Luna low	OpenAI	1	0.8	$0.033	12/23	23.2s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.033 Muda wa majibu (wastani) 23.2s
#151	Seed-2.0-Mini medium	Bytedance Seed	1	0.8	$0.140	12/23	91.7s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.140 Muda wa majibu (wastani) 91.7s
#152	Mistral Large 4 high	Mistral	2	0.8	$1.391	12/23	263.7s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $1.391 Muda wa majibu (wastani) 263.7s
#153	Seed-2.0-Code high	Bytedance Seed	1	0.7	$1.448	12/23	124.9s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $1.448 Muda wa majibu (wastani) 124.9s
#183	GLM 5.3 FlashX medium	Z.ai	1	0.7	$0.114	12/23	7.37s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.114 Muda wa majibu (wastani) 7.37s
#185	MiMo-V2.6-Flash low	Xiaomi	2	0.7	$0.200	12/23	54.6s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.200 Muda wa majibu (wastani) 54.6s

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)