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)
#278	Trinity Large Thinking medium	Arcee AI	4	0.6	$0.862	8/23	84.0s
Jumla ya majaribio 23 Majaribio yenye makosa 15 Jumla ya gharama $0.862 Muda wa majibu (wastani) 84.0s
#247	Kimi K2.5 medium	Moonshot AI	2	0.6	$0.841	10/23	125.8s
Jumla ya majaribio 23 Majaribio yenye makosa 13 Jumla ya gharama $0.841 Muda wa majibu (wastani) 125.8s
#232	Qwen3.6 35B A3B medium	Qwen	1	0.7	$0.834	12/23	59.9s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.834 Muda wa majibu (wastani) 59.9s
#243	Beam 1.0 501B A23B max	Reflection	2	0.6	$0.799	12/23	11.1s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.799 Muda wa majibu (wastani) 11.1s
#219	GPT-5.6 Sol none	OpenAI	1	0.7	$0.795	12/23	4.61s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.795 Muda wa majibu (wastani) 4.61s
#304	Trinity Large Thinking high	Arcee AI	4	0.6	$0.794	6/23	74.5s
Jumla ya majaribio 23 Majaribio yenye makosa 17 Jumla ya gharama $0.794 Muda wa majibu (wastani) 74.5s
#155	Qwen3.6 Flash medium	Qwen	1	0.7	$0.783	13/23	45.5s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.783 Muda wa majibu (wastani) 45.5s
#168	LongCat 2.0 high	Meituan	2	0.7	$0.778	10/23	151.7s
Jumla ya majaribio 23 Majaribio yenye makosa 13 Jumla ya gharama $0.778 Muda wa majibu (wastani) 151.7s
#102	DeepSeek V4.1 Flash 1017 max	DeepSeek	2	0.8	$0.757	15/23	78.2s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $0.757 Muda wa majibu (wastani) 78.2s
#358	Grok 4.20 Beta medium	X AI	1	0.5	$0.750	14/18	9.75s
Jumla ya majaribio 18 Majaribio yenye makosa 4 Jumla ya gharama $0.750 Muda wa majibu (wastani) 9.75s
#258	Gemini 3.1 Flash Lite Preview low	Google	1	0.6	$0.736	14/23	19.0s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.736 Muda wa majibu (wastani) 19.0s
#255	Qwen3.5-35B-A3B medium	Qwen	1	0.6	$0.716	11/23	111.5s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.716 Muda wa majibu (wastani) 111.5s
#312	GPT-5.4 none	OpenAI	1	0.6	$0.690	7/23	3.89s
Jumla ya majaribio 23 Majaribio yenye makosa 16 Jumla ya gharama $0.690 Muda wa majibu (wastani) 3.89s
#367	Mimo V2 Omni medium	Xiaomi	2	0.5	$0.683	10/21	41.2s
Jumla ya majaribio 21 Majaribio yenye makosa 11 Jumla ya gharama $0.683 Muda wa majibu (wastani) 41.2s
#167	Gemini 2.5 Flash medium	Google	2	0.7	$0.680	15/23	20.5s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $0.680 Muda wa majibu (wastani) 20.5s

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)