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)
#87	Claude Opus 4.6 medium	Anthropic	1	7.7	$2.961	13/22	32.2s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $2.961 Muda wa majibu (wastani) 32.2s
#89	DeepSeek V4 Flash 0423 high	DeepSeek	2	7.6	$0.042	13/22	51.8s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.042 Muda wa majibu (wastani) 51.8s
#98	GPT 5.3 Chat none	OpenAI	2	7.5	$0.533	13/22	6.56s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.533 Muda wa majibu (wastani) 6.56s
#100	Qwen3.5-27B medium	Qwen	2	7.5	$0.982	13/22	113.3s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.982 Muda wa majibu (wastani) 113.3s
#114	GLM 5.3 high	Z.ai	1	7.3	$0.403	13/22	27.8s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.403 Muda wa majibu (wastani) 27.8s
#116	GLM 5.3 Flash high	Z.ai	1	7.3	$0.029	13/22	25.4s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.029 Muda wa majibu (wastani) 25.4s
#117	Gemini 3.1 Flash Lite medium	Google	1	7.3	$0.120	13/22	4.38s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.120 Muda wa majibu (wastani) 4.38s
#120	Claude Opus 4.8 none	Anthropic	1	7.3	$1.166	13/22	4.92s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $1.166 Muda wa majibu (wastani) 4.92s
#155	GLM 5.2 none	Z.ai	1	6.7	$0.153	13/22	9.65s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.153 Muda wa majibu (wastani) 9.65s
#158	Gemini 3.5 Flash minimal	Google	1	6.7	$0.300	13/22	2.65s
Jumla ya majaribio 22 Majaribio yenye makosa 9 Jumla ya gharama $0.300 Muda wa majibu (wastani) 2.65s
#181	Mimo V2 PRO medium	Xiaomi	1	6.3	$0.333	12/21	22.2s
Jumla ya majaribio 21 Majaribio yenye makosa 9 Jumla ya gharama $0.333 Muda wa majibu (wastani) 22.2s
#182	MiMo-V2-Flash medium	Xiaomi	1	6.3	$0.043	12/21	20.1s
Jumla ya majaribio 21 Majaribio yenye makosa 9 Jumla ya gharama $0.043 Muda wa majibu (wastani) 20.1s
#224	Gemini 3.1 Flash Lite high	Google	3	5.6	$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
#62	GPT-5 Mini medium	OpenAI	3	8.1	$0.241	12/22	27.6s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.241 Muda wa majibu (wastani) 27.6s
#65	Muse Spark 1.1 high	Meta	2	8.0	$2.253	12/22	36.9s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $2.253 Muda wa majibu (wastani) 36.9s

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)