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: Jumla ya gharama ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

523

Modeli iliyoathirika zaidi

Minimax M3.1 Flash 1

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)
#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
#81	Claude Sonnet 5 medium	Anthropic	1	0.9	$1.438	16/23	15.0s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $1.438 Muda wa majibu (wastani) 15.0s
#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
#75	Claude Sonnet 5.5 xhigh	Anthropic	1	0.9	$1.516	16/23	15.0s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $1.516 Muda wa majibu (wastani) 15.0s
#68	GPT-5.2 medium	OpenAI	3	0.9	$1.558	15/23	31.3s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $1.558 Muda wa majibu (wastani) 31.3s
#56	Muse Spark 1.2 medium	Meta	3	0.9	$1.590	15/23	21.3s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $1.590 Muda wa majibu (wastani) 21.3s
#204	Kimi K2.6 medium	Moonshot AI	2	0.7	$1.594	12/23	121.3s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $1.594 Muda wa majibu (wastani) 121.3s
#57	Muse Spark 1.1 medium	Meta	2	0.9	$1.665	16/23	27.0s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $1.665 Muda wa majibu (wastani) 27.0s
#24	Claude Opus 5.5 low	Anthropic	1	0.9	$1.733	19/23	25.7s
Jumla ya majaribio 23 Majaribio yenye makosa 4 Jumla ya gharama $1.733 Muda wa majibu (wastani) 25.7s
#30	Muse Spark Open high	Meta	1	0.9	$1.782	17/23	152.0s
Jumla ya majaribio 23 Majaribio yenye makosa 6 Jumla ya gharama $1.782 Muda wa majibu (wastani) 152.0s
#329	Hy4 preview low	Tencent	1	0.5	$1.844	3/23	207.2s
Jumla ya majaribio 23 Majaribio yenye makosa 20 Jumla ya gharama $1.844 Muda wa majibu (wastani) 207.2s
#59	Pareto 26.9 default	Unbiased	1	0.9	$1.864	15/23	28.3s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $1.864 Muda wa majibu (wastani) 28.3s
#40	Muse Spark 1.3 high	Meta	2	0.9	$1.891	17/23	52.9s
Jumla ya majaribio 23 Majaribio yenye makosa 6 Jumla ya gharama $1.891 Muda wa majibu (wastani) 52.9s
#43	Seed 2.1 Turbo high	Bytedance Seed	1	0.9	$1.892	17/23	170.5s
Jumla ya majaribio 23 Majaribio yenye makosa 6 Jumla ya gharama $1.892 Muda wa majibu (wastani) 170.5s
#159	Grok 4.7 low	X AI	1	0.7	$1.933	14/23	63.2s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $1.933 Muda wa majibu (wastani) 63.2s

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)