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

245

Modeli iliyoathirika zaidi

Gemini 3.5 Flash 1

Kategoria

Katika kategoria Utatuzi wa mafumbo90 Katika kategoria Akili ya jumla78 Katika kategoria Mbinu za kupinga AI33 Katika kategoria Ufuataji wa maagizo18 Katika kategoria Uandishi wa msimbo16 Katika kategoria Mwito wa zana8 Katika kategoria Mahususi kwa domeni1 Katika kategoria Mchanganyiko1

140/140

Nafasi	Modeli	Kampuni	Idadi ya Hakufuata maelekezo	Alama	Jumla ya gharama	Majaribio sahihi	Muda wa majibu (wastani)
#29	Step 3.7 Flash medium	Stepfun	1	8.0	$0.515	14/22	26.4s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.515 Muda wa majibu (wastani) 26.4s
#30	GPT-5.2 Chat none	OpenAI	1	8.0	$0.604	14/22	7.65s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.604 Muda wa majibu (wastani) 7.65s
#31	GLM 5.2 high	Z.ai	1	8.0	$0.970	14/22	62.7s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.970 Muda wa majibu (wastani) 62.7s
#35	Seed-2.0-Lite medium	Bytedance Seed	2	7.9	$0.234	14/22	48.5s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.234 Muda wa majibu (wastani) 48.5s
#88	Gemini 3.5 Flash minimal	Google	1	6.8	$0.300	14/22	2.65s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.300 Muda wa majibu (wastani) 2.65s
#24	Muse Spark 1.1 low	Meta	2	8.3	$0.647	13/22	11.5s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.647 Muda wa majibu (wastani) 11.5s
#43	Claude Opus 4.6 medium	Anthropic	1	7.7	$3.059	13/22	34.3s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $3.059 Muda wa majibu (wastani) 34.3s
#45	DeepSeek V4 Flash high	DeepSeek	2	7.7	$0.042	13/22	49.7s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.042 Muda wa majibu (wastani) 49.7s
#54	GPT-5.3 Chat none	OpenAI	2	7.5	$0.571	13/22	6.88s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.571 Muda wa majibu (wastani) 6.88s
#58	Qwen3.5-27B medium	Qwen	2	7.4	$1.627	13/22	111.9s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $1.627 Muda wa majibu (wastani) 111.9s
#64	Gemini 3.1 Flash Lite Preview medium	Google	1	7.3	$0.115	13/22	4.61s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.115 Muda wa majibu (wastani) 4.61s
#65	Gemini 3.1 Flash Lite medium	Google	1	7.3	$0.117	13/22	4.27s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.117 Muda wa majibu (wastani) 4.27s
#66	Claude Opus 4.8 none	Anthropic	1	7.3	$1.166	13/22	4.91s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $1.166 Muda wa majibu (wastani) 4.91s
#73	Grok 4.3 medium	X AI	2	7.1	$0.779	13/22	47.4s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.779 Muda wa majibu (wastani) 47.4s
#90	Qwen3.6 35B A3B medium	Qwen	1	6.7	$0.746	13/22	58.1s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.746 Muda wa majibu (wastani) 58.1s

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)