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

Claude Opus 5.5 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)
#216	MiniMax M3 medium	Minimax	2	0.7	$0.422	11/23	77.0s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.422 Muda wa majibu (wastani) 77.0s
#220	Apodex 1.1 Mini high	Apodex	1	0.7	$0.000	11/23	31.2s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.000 Muda wa majibu (wastani) 31.2s
#221	GLM 5.3 Flash low	Z.ai	2	0.7	$0.038	11/23	11.8s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.038 Muda wa majibu (wastani) 11.8s
#248	Beam 1.0 501B A23B low	Reflection	2	0.6	$0.432	11/23	4.89s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.432 Muda wa majibu (wastani) 4.89s
#251	MiMo-V2.5-Pro medium	Xiaomi	2	0.6	$0.332	11/23	56.7s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.332 Muda wa majibu (wastani) 56.7s
#255	Qwen3.5-35B-A3B medium	Qwen	1	0.6	$0.716	11/23	111.5s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.716 Muda wa majibu (wastani) 111.5s
#261	Solar Pro 4 high	Upstage	3	0.6	$0.077	11/23	128.9s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.077 Muda wa majibu (wastani) 128.9s
#266	DeepSeek V3.2 medium	DeepSeek	1	0.6	$0.152	11/23	70.1s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.152 Muda wa majibu (wastani) 70.1s
#269	Grok 4.20 medium	X AI	2	0.6	$1.246	11/23	36.7s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $1.246 Muda wa majibu (wastani) 36.7s
#271	KAT-Coder-Pro V2.5 medium	Kwaipilot	1	0.6	$0.669	11/23	23.9s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.669 Muda wa majibu (wastani) 23.9s
#275	Claude Fable 5.1 low	Anthropic	3	0.6	$3.395	11/23	11.4s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $3.395 Muda wa majibu (wastani) 11.4s
#277	Beam 1.0 501B A23B high	Reflection	2	0.6	$0.674	11/23	9.03s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.674 Muda wa majibu (wastani) 9.03s
#279	Apodex 1.1 Mini low	Apodex	1	0.6	$0.000	11/23	33.7s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.000 Muda wa majibu (wastani) 33.7s
#285	Apodex 1.1 Mini medium	Apodex	2	0.6	$0.000	11/23	32.7s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.000 Muda wa majibu (wastani) 32.7s
#303	Ring 2.6 1t medium	Inclusionai	2	0.6	$0.102	11/23	65.5s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.102 Muda wa majibu (wastani) 65.5s

←

1 9 10 11 20

→

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)