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

386

Modeli iliyoathirika zaidi

Grok 4.20 Multi Agent Beta 2

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)
#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
#265	Mercury 2.5 Preview low	Inception	2	5.0	$0.011	6/22	1.31s
Jumla ya majaribio 22 Majaribio yenye makosa 16 Jumla ya gharama $0.011 Muda wa majibu (wastani) 1.31s
#268	GPT-4o-mini none	OpenAI	1	5.0	$0.010	5/22	1.92s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.010 Muda wa majibu (wastani) 1.92s
#312	gpt-oss-120b none	OpenAI	2	3.7	$0.010	6/19	21.6s
Jumla ya majaribio 19 Majaribio yenye makosa 13 Jumla ya gharama $0.010 Muda wa majibu (wastani) 21.6s
#254	Granite 4.2 8B medium	IBM Granite	1	5.2	$0.009	7/22	46.0s
Jumla ya majaribio 22 Majaribio yenye makosa 15 Jumla ya gharama $0.009 Muda wa majibu (wastani) 46.0s
#272	Nemotron 3 Super none	NVIDIA	2	4.8	$0.008	5/22	6.04s
Jumla ya majaribio 22 Majaribio yenye makosa 17 Jumla ya gharama $0.008 Muda wa majibu (wastani) 6.04s
#281	Trinity Large Preview none	Arcee AI	3	4.8	$0.008	4/21	2.98s
Jumla ya majaribio 21 Majaribio yenye makosa 17 Jumla ya gharama $0.008 Muda wa majibu (wastani) 2.98s
#308	Grok 4.1 Fast none	X AI	3	3.8	$0.008	3/19	1.62s
Jumla ya majaribio 19 Majaribio yenye makosa 16 Jumla ya gharama $0.008 Muda wa majibu (wastani) 1.62s
#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
#300	Hy3 preview none	Tencent	4	4.0	$0.007	4/21	12.9s
Jumla ya majaribio 21 Majaribio yenye makosa 17 Jumla ya gharama $0.007 Muda wa majibu (wastani) 12.9s
#304	Nemotron 3.5 Lightning none	NVIDIA	1	4.0	$0.007	3/22	1.21s
Jumla ya majaribio 22 Majaribio yenye makosa 19 Jumla ya gharama $0.007 Muda wa majibu (wastani) 1.21s
#303	Granite 4.1 8B none	IBM Granite	4	4.0	$0.007	2/22	1.44s
Jumla ya majaribio 22 Majaribio yenye makosa 20 Jumla ya gharama $0.007 Muda wa majibu (wastani) 1.44s
#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
#311	Laguna Xs.2 none	Poolside	1	3.8	$0.004	5/19	806ms
Jumla ya majaribio 19 Majaribio yenye makosa 14 Jumla ya gharama $0.004 Muda wa majibu (wastani) 806ms
#220	Ling-3.0-flash none	Inclusionai	1	5.7	$0.004	6/22	3.56s
Jumla ya majaribio 22 Majaribio yenye makosa 16 Jumla ya gharama $0.004 Muda wa majibu (wastani) 3.56s

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)