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

245

Modeli iliyoathirika zaidi

Owl Alpha 2

Kategoria

Katika kategoria Utatuzi wa mafumbo90 Katika kategoria Akili ya jumla78 Katika kategoria Mbinu za kupinga AI33 Katika kategoria Ufuataji wa maagizo18 Katika kategoria Uandishi wa msimbo16 Katika kategoria Mwito wa zana8 Katika kategoria Mahususi kwa domeni1 Katika kategoria Mchanganyiko1

140/140

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#56	GPT-5.4 Mini medium	OpenAI	3	7.5	$0.756	12/22	25.9s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.756 Muda wa majibu (wastani) 25.9s
#75	Grok 4.20 medium	X AI	2	7.1	$0.777	12/22	29.5s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.777 Muda wa majibu (wastani) 29.5s
#99	Qwen3.6 27B medium	Qwen	1	6.5	$0.779	10/22	106.3s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.779 Muda wa majibu (wastani) 106.3s
#73	Grok 4.3 medium	X AI	2	7.1	$0.779	13/22	47.4s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.779 Muda wa majibu (wastani) 47.4s
#13	GPT-5.3-Codex medium	OpenAI	2	8.9	$0.920	16/22	17.0s
Jumla ya majaribio 22 Majaribio yenye makosa 6 Jumla ya gharama $0.920 Muda wa majibu (wastani) 17.0s
#23	Claude Sonnet 5 medium	Anthropic	1	8.3	$0.922	16/22	12.5s
Jumla ya majaribio 22 Majaribio yenye makosa 6 Jumla ya gharama $0.922 Muda wa majibu (wastani) 12.5s
#21	GPT-5.2 medium	OpenAI	3	8.4	$0.951	14/22	22.6s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.951 Muda wa majibu (wastani) 22.6s
#31	GLM 5.2 high	Z.ai	1	8.0	$0.970	14/22	62.7s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.970 Muda wa majibu (wastani) 62.7s
#28	Inkling high	Thinkingmachines	1	8.0	$1.006	15/22	64.2s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $1.006 Muda wa majibu (wastani) 64.2s
#68	Kimi K2.6 medium	Moonshot AI	2	7.2	$1.036	12/22	110.0s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $1.036 Muda wa majibu (wastani) 110.0s
#66	Claude Opus 4.8 none	Anthropic	1	7.3	$1.166	13/22	4.91s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $1.166 Muda wa majibu (wastani) 4.91s
#16	Muse Spark 1.1 medium	Meta	2	8.6	$1.357	15/22	25.0s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $1.357 Muda wa majibu (wastani) 25.0s
#18	GPT-5.4 medium	OpenAI	2	8.5	$1.533	15/22	23.1s
Jumla ya majaribio 22 Majaribio yenye makosa 7 Jumla ya gharama $1.533 Muda wa majibu (wastani) 23.1s
#58	Qwen3.5-27B medium	Qwen	2	7.4	$1.627	13/22	111.9s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $1.627 Muda wa majibu (wastani) 111.9s
#27	Muse Spark 1.1 high	Meta	2	8.1	$1.694	12/22	31.5s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $1.694 Muda wa majibu (wastani) 31.5s

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)