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)
#187	GPT-5.2 Chat default	OpenAI	1	0.7	$0.594	13/23	7.43s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.594 Muda wa majibu (wastani) 7.43s
#198	Gemini 3.1 Flash Lite medium	Google	1	0.7	$0.153	13/23	6.27s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.153 Muda wa majibu (wastani) 6.27s
#203	Claude Opus 4.8 none	Anthropic	1	0.7	$2.334	13/23	7.54s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $2.334 Muda wa majibu (wastani) 7.54s
#215	Grok 4.7 high	X AI	2	0.7	$3.037	13/23	122.2s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $3.037 Muda wa majibu (wastani) 122.2s
#218	GPT 5.3 Chat default	OpenAI	2	0.7	$0.533	13/23	6.31s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.533 Muda wa majibu (wastani) 6.31s
#223	GLM 5.2 none	Z.ai	1	0.7	$0.250	13/23	11.3s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.250 Muda wa majibu (wastani) 11.3s
#250	Gemini 3.5 Flash minimal	Google	1	0.6	$0.508	13/23	4.67s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.508 Muda wa majibu (wastani) 4.67s
#344	Mimo V2 PRO medium	Xiaomi	1	0.5	$0.333	12/21	22.2s
Jumla ya majaribio 21 Majaribio yenye makosa 9 Jumla ya gharama $0.333 Muda wa majibu (wastani) 22.2s
#345	MiMo-V2-Flash medium	Xiaomi	1	0.5	$0.043	12/21	20.1s
Jumla ya majaribio 21 Majaribio yenye makosa 9 Jumla ya gharama $0.043 Muda wa majibu (wastani) 20.1s
#264	Claude Opus 4.6 medium	Anthropic	1	0.6	$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
#70	MiMo-V2.6-Pro medium	Xiaomi	1	0.9	$0.586	14/23	148.1s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.586 Muda wa majibu (wastani) 148.1s
#74	Muse Spark 1.1 low	Meta	3	0.9	$0.885	14/23	13.2s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.885 Muda wa majibu (wastani) 13.2s
#87	Muse Glimmer 30B xhigh	Meta	1	0.8	$0.585	14/23	97.7s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.585 Muda wa majibu (wastani) 97.7s
#106	Seed-2.0-Lite medium	Bytedance Seed	2	0.8	$0.271	14/23	48.9s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.271 Muda wa majibu (wastani) 48.9s
#108	Seed-2.0-Code low	Bytedance Seed	1	0.8	$0.881	14/23	73.0s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.881 Muda wa majibu (wastani) 73.0s

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)