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

523

Modeli iliyoathirika zaidi

Claude Sonnet 5.5 2

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)
#90	Muse Spark 1.1 high	Meta	2	0.8	$2.570	13/23	37.4s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $2.570 Muda wa majibu (wastani) 37.4s
#203	Claude Opus 4.8 none	Anthropic	1	0.7	$2.334	13/23	7.54s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $2.334 Muda wa majibu (wastani) 7.54s
#395	Gemini 3.1 Flash Lite Preview high	Google	1	0.4	$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
#133	Grok 4.6 medium	X AI	1	0.8	$2.270	16/23	74.8s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $2.270 Muda wa majibu (wastani) 74.8s
#62	GPT-5.4 medium	OpenAI	2	0.9	$2.213	16/23	24.8s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $2.213 Muda wa majibu (wastani) 24.8s
#25	Claude Opus 5.5 high	Anthropic	1	0.9	$2.133	19/23	27.6s
Jumla ya majaribio 23 Majaribio yenye makosa 4 Jumla ya gharama $2.133 Muda wa majibu (wastani) 27.6s
#378	Gemini 3.1 Flash Lite high	Google	3	0.5	$2.044	10/18	62.0s
Jumla ya majaribio 18 Majaribio yenye makosa 8 Jumla ya gharama $2.044 Muda wa majibu (wastani) 62.0s
#71	Seed 2.1 Turbo medium	Bytedance Seed	1	0.9	$2.042	16/23	189.1s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $2.042 Muda wa majibu (wastani) 189.1s
#55	Muse Spark 1.2 high	Meta	3	0.9	$2.018	15/23	28.1s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $2.018 Muda wa majibu (wastani) 28.1s
#159	Grok 4.7 low	X AI	1	0.7	$1.933	14/23	63.2s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $1.933 Muda wa majibu (wastani) 63.2s
#43	Seed 2.1 Turbo high	Bytedance Seed	1	0.9	$1.892	17/23	170.5s
Jumla ya majaribio 23 Majaribio yenye makosa 6 Jumla ya gharama $1.892 Muda wa majibu (wastani) 170.5s
#40	Muse Spark 1.3 high	Meta	2	0.9	$1.891	17/23	52.9s
Jumla ya majaribio 23 Majaribio yenye makosa 6 Jumla ya gharama $1.891 Muda wa majibu (wastani) 52.9s
#59	Pareto 26.9 default	Unbiased	1	0.9	$1.864	15/23	28.3s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $1.864 Muda wa majibu (wastani) 28.3s
#329	Hy4 preview low	Tencent	1	0.5	$1.844	3/23	207.2s
Jumla ya majaribio 23 Majaribio yenye makosa 20 Jumla ya gharama $1.844 Muda wa majibu (wastani) 207.2s
#30	Muse Spark Open high	Meta	1	0.9	$1.782	17/23	152.0s
Jumla ya majaribio 23 Majaribio yenye makosa 6 Jumla ya gharama $1.782 Muda wa majibu (wastani) 152.0s

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)