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)
#92	Solar Pro 4 xhigh	Upstage	3	7.6	$0.050	12/22	134.9s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.050 Muda wa majibu (wastani) 134.9s
#95	GPT-5.4 Nano medium	OpenAI	2	7.5	$0.142	12/22	13.3s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.142 Muda wa majibu (wastani) 13.3s
#102	GPT-5.4 Mini medium	OpenAI	3	7.5	$0.786	12/22	26.7s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.786 Muda wa majibu (wastani) 26.7s
#113	Claude Sonnet 4.6 none	Anthropic	1	7.3	$0.661	12/22	7.67s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.661 Muda wa majibu (wastani) 7.67s
#118	Qwen3.7 Plus none	Qwen	1	7.3	$0.106	12/22	12.1s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.106 Muda wa majibu (wastani) 12.1s
#121	Kimi K2.6 medium	Moonshot AI	2	7.2	$1.247	12/22	115.9s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $1.247 Muda wa majibu (wastani) 115.9s
#131	Grok 4.3 medium	X AI	2	7.0	$0.741	12/22	44.2s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.741 Muda wa majibu (wastani) 44.2s
#132	GPT-5.6 Sol none	OpenAI	1	7.0	$0.201	12/22	2.17s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.201 Muda wa majibu (wastani) 2.17s
#145	Qwen3.6 Flash medium	Qwen	1	6.8	$0.741	12/22	45.0s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.741 Muda wa majibu (wastani) 45.0s
#149	Solar Pro 4 medium	Upstage	2	6.8	$0.047	12/22	127.6s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.047 Muda wa majibu (wastani) 127.6s
#151	GLM 5.3 low	Z.ai	1	6.8	$0.257	12/22	13.6s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.257 Muda wa majibu (wastani) 13.6s
#162	Gemini 3.5 Flash Lite low	Google	1	6.6	$0.138	12/22	2.56s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.138 Muda wa majibu (wastani) 2.56s
#167	Qwen3.6 35B A3B medium	Qwen	1	6.6	$0.672	12/22	58.5s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.672 Muda wa majibu (wastani) 58.5s
#168	Mercury 2.5 Preview high	Inception	2	6.6	$0.030	12/22	4.01s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.030 Muda wa majibu (wastani) 4.01s
#173	Gemini 3.1 Flash Lite Preview none	Google	2	6.4	$0.052	12/22	1.56s
Jumla ya majaribio 22 Majaribio yenye makosa 10 Jumla ya gharama $0.052 Muda wa majibu (wastani) 1.56s

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)