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

386

Modeli iliyoathirika zaidi

Gemini 3.5 Flash 1

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)
#67	DeepSeek V4 Flash 0731 high	DeepSeek	2	8.0	$0.084	14/22	114.9s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.084 Muda wa majibu (wastani) 114.9s
#68	GLM 5.2 high	Z.ai	1	8.0	$1.188	14/22	69.9s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $1.188 Muda wa majibu (wastani) 69.9s
#77	Gemini 3.5 Flash Lite medium	Google	1	7.8	$0.272	14/22	5.12s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.272 Muda wa majibu (wastani) 5.12s
#81	Qwen3.8 27B medium	Qwen	2	7.8	~$0.058	14/22	33.0s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama ~$0.058 Muda wa majibu (wastani) 33.0s
#105	Gemini 3.1 Flash Lite Preview medium	Google	1	7.4	$0.117	14/22	4.59s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.117 Muda wa majibu (wastani) 4.59s
#110	Qwen3.8 2.4T A95B high	Qwen	2	7.4	$2.357	14/22	120.6s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $2.357 Muda wa majibu (wastani) 120.6s
#164	Gemini 3.1 Flash Lite Preview low	Google	1	6.6	$0.646	14/22	16.7s
Jumla ya majaribio 22 Majaribio yenye makosa 8 Jumla ya gharama $0.646 Muda wa majibu (wastani) 16.7s
#56	Muse Spark 1.1 low	Meta	3	8.3	$0.673	13/22	11.9s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.673 Muda wa majibu (wastani) 11.9s
#63	Muse Glimmer 30B xhigh	Meta	1	8.1	$0.471	13/22	95.6s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.471 Muda wa majibu (wastani) 95.6s
#66	DeepSeek V4 Flash 0731 low	DeepSeek	1	8.0	$0.044	13/22	77.6s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.044 Muda wa majibu (wastani) 77.6s
#72	GPT-5.2 Chat none	OpenAI	1	7.9	$0.594	13/22	7.73s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.594 Muda wa majibu (wastani) 7.73s
#73	Step 3.7 Flash medium	Stepfun	1	7.9	$0.495	13/22	23.5s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.495 Muda wa majibu (wastani) 23.5s
#82	Seed-2.0-Lite medium	Bytedance Seed	2	7.8	$0.236	13/22	47.9s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.236 Muda wa majibu (wastani) 47.9s
#84	Qwen3.7 Flash high	Qwen	1	7.8	$0.052	13/22	41.4s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.052 Muda wa majibu (wastani) 41.4s
#86	Seed-2.0-Code low	Bytedance Seed	1	7.7	$0.767	13/22	72.2s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.767 Muda wa majibu (wastani) 72.2s

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)