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)
#250	Gemini 3.1 Flash Lite Preview high	Google	1	5.3	$2.310	13/16	68.1s
Jumla ya majaribio 16 Majaribio yenye makosa 3 Jumla ya gharama $2.310 Muda wa majibu (wastani) 68.1s
#249	Ling-2.6-1T none	Inclusionai	2	5.3	$0.016	4/22	8.59s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.016 Muda wa majibu (wastani) 8.59s
#248	Seed-2.0-Code none	Bytedance Seed	2	5.3	$0.151	6/22	14.7s
Jumla ya majaribio 22 Majaribio yenye makosa 16 Jumla ya gharama $0.151 Muda wa majibu (wastani) 14.7s
#247	Laguna XS 2.1 none	Poolside	1	5.3	$0.008	5/22	1.55s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.008 Muda wa majibu (wastani) 1.55s
#246	Inkling Small none	Thinkingmachines	1	5.3	$0.054	5/22	1.51s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.054 Muda wa majibu (wastani) 1.51s
#244	DeepSeek V4 Flash 0731 none	DeepSeek	2	5.4	$0.011	4/22	20.7s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.011 Muda wa majibu (wastani) 20.7s
#245	Laguna S 2.1 high	Poolside	1	5.4	$0.114	4/22	111.6s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.114 Muda wa majibu (wastani) 111.6s
#242	MiMo-V2.5-Pro none	Xiaomi	4	5.4	$0.068	5/22	4.24s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.068 Muda wa majibu (wastani) 4.24s
#240	KAT-Coder-Air V2.5 low	Kwaipilot	2	5.4	$0.046	7/22	10.6s
Jumla ya majaribio 22 Majaribio yenye makosa 15 Jumla ya gharama $0.046 Muda wa majibu (wastani) 10.6s
#239	Laguna S 2.1 medium	Poolside	1	5.4	$0.053	4/22	58.4s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.053 Muda wa majibu (wastani) 58.4s
#238	DeepSeek V4 Flash 0423 none	DeepSeek	1	5.4	$0.039	4/22	36.2s
Jumla ya majaribio 22 Majaribio yenye makosa 18 Jumla ya gharama $0.039 Muda wa majibu (wastani) 36.2s
#237	Mimo V2 Omni none	Xiaomi	1	5.5	$0.021	8/21	2.44s
Jumla ya majaribio 21 Majaribio yenye makosa 13 Jumla ya gharama $0.021 Muda wa majibu (wastani) 2.44s
#236	Qwen3.8 27B none	Qwen	1	5.5	~$0.006	9/22	3.12s
Jumla ya majaribio 22 Majaribio yenye makosa 13 Jumla ya gharama ~$0.006 Muda wa majibu (wastani) 3.12s
#234	Qwen3.6 27B none	Qwen	2	5.5	$0.062	7/22	10.6s
Jumla ya majaribio 22 Majaribio yenye makosa 15 Jumla ya gharama $0.062 Muda wa majibu (wastani) 10.6s
#233	Hy4 preview low	Tencent	1	5.6	$1.745	3/22	214.3s
Jumla ya majaribio 22 Majaribio yenye makosa 19 Jumla ya gharama $1.745 Muda wa majibu (wastani) 214.3s

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)