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)
#170	Qwen3.6 27B medium	Qwen	1	6.5	$0.577	10/22	106.1s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.577 Muda wa majibu (wastani) 106.1s
#168	Mercury 2.5 Preview high	Inception	2	6.6	$0.030	12/22	4.01s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.030 Muda wa majibu (wastani) 4.01s
#167	Qwen3.6 35B A3B medium	Qwen	1	6.6	$0.672	12/22	58.5s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.672 Muda wa majibu (wastani) 58.5s
#165	Inkling Small medium	Thinkingmachines	4	6.6	$0.113	10/22	6.30s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.113 Muda wa majibu (wastani) 6.30s
#164	Gemini 3.1 Flash Lite Preview low	Google	1	6.6	$0.646	14/22	16.7s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.646 Muda wa majibu (wastani) 16.7s
#163	Qwen3.5-27B none	Qwen	2	6.6	$0.058	9/22	4.77s
Jumla ya majaribio 22 Majaribio yenye makosa 13 Jumla ya gharama $0.058 Muda wa majibu (wastani) 4.77s
#162	Gemini 3.5 Flash Lite low	Google	1	6.6	$0.138	12/22	2.56s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.138 Muda wa majibu (wastani) 2.56s
#160	LongCat 2.0 high	Meituan	2	6.7	$0.492	9/22	153.3s
Jumla ya majaribio 22 Majaribio yenye makosa 13 Jumla ya gharama $0.492 Muda wa majibu (wastani) 153.3s
#159	GLM 5V Turbo medium	Z.ai	1	6.7	$0.457	11/21	23.1s
Jumla ya majaribio 21 Majaribio yenye makosa 10 Jumla ya gharama $0.457 Muda wa majibu (wastani) 23.1s
#158	Gemini 3.5 Flash minimal	Google	1	6.7	$0.300	13/22	2.65s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.300 Muda wa majibu (wastani) 2.65s
#157	LongCat 2.0 low	Meituan	1	6.7	$0.412	10/22	113.6s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.412 Muda wa majibu (wastani) 113.6s
#155	GLM 5.2 none	Z.ai	1	6.7	$0.153	13/22	9.65s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.153 Muda wa majibu (wastani) 9.65s
#152	MiMo-V2.5-Pro medium	Xiaomi	2	6.8	$0.221	11/22	48.7s
Jumla ya majaribio 22 Majaribio yenye makosa 11 Jumla ya gharama $0.221 Muda wa majibu (wastani) 48.7s
#151	GLM 5.3 low	Z.ai	1	6.8	$0.257	12/22	13.6s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.257 Muda wa majibu (wastani) 13.6s
#150	DeepSeek V4 Pro none	DeepSeek	2	6.8	$0.220	9/22	11.7s
Jumla ya majaribio 22 Majaribio yenye makosa 13 Jumla ya gharama $0.220 Muda wa majibu (wastani) 11.7s

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)