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)
#103	Grok 4.5 high	X AI	1	0.8	$2.687	17/23	72.5s
Jumla ya majaribio 23 Majaribio yenye makosa 6 Jumla ya gharama $2.687 Muda wa majibu (wastani) 72.5s
#36	DeepSeek V4.1 Flash 1017 low	DeepSeek	1	0.9	$0.355	16/23	32.5s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $0.355 Muda wa majibu (wastani) 32.5s
#54	Muse Spark Open low	Meta	2	0.9	$0.600	16/23	21.6s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $0.600 Muda wa majibu (wastani) 21.6s
#57	Muse Spark 1.1 medium	Meta	2	0.9	$1.665	16/23	27.0s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $1.665 Muda wa majibu (wastani) 27.0s
#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
#64	DeepSeek V4.1 Flash high	DeepSeek	1	0.9	$0.617	16/23	33.3s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $0.617 Muda wa majibu (wastani) 33.3s
#65	DeepSeek V4.1 Flash medium	DeepSeek	1	0.9	$0.591	16/23	32.9s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $0.591 Muda wa majibu (wastani) 32.9s
#67	Muse Spark 1.2 low	Meta	3	0.9	$0.881	16/23	11.8s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $0.881 Muda wa majibu (wastani) 11.8s
#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
#75	Claude Sonnet 5.5 xhigh	Anthropic	1	0.9	$1.516	16/23	15.0s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $1.516 Muda wa majibu (wastani) 15.0s
#77	Claude Haiku 5.5 low	Anthropic	2	0.9	$0.061	16/23	7.51s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $0.061 Muda wa majibu (wastani) 7.51s
#80	Muse Spark 1.3 low	Meta	1	0.9	$0.911	16/23	17.7s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $0.911 Muda wa majibu (wastani) 17.7s
#81	Claude Sonnet 5 medium	Anthropic	1	0.9	$1.438	16/23	15.0s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $1.438 Muda wa majibu (wastani) 15.0s
#89	Inkling high	Thinkingmachines	1	0.8	$1.238	16/23	62.7s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $1.238 Muda wa majibu (wastani) 62.7s
#127	Muse Wonder max	Meta	1	0.8	$4.766	16/23	44.4s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $4.766 Muda wa majibu (wastani) 44.4s

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)