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)
#277	Beam 1.0 501B A23B high	Reflection	2	0.6	$0.674	11/23	9.03s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.674 Muda wa majibu (wastani) 9.03s
#271	KAT-Coder-Pro V2.5 medium	Kwaipilot	1	0.6	$0.669	11/23	23.9s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.669 Muda wa majibu (wastani) 23.9s
#286	Claude Sonnet 4.6 none	Anthropic	1	0.6	$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
#225	LongCat 2.0 low	Meituan	1	0.7	$0.630	10/23	115.0s
Jumla ya majaribio 23 Majaribio yenye makosa 13 Jumla ya gharama $0.630 Muda wa majibu (wastani) 115.0s
#120	GLM 5.3 FlashX max	Z.ai	1	0.8	$0.623	15/23	44.0s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $0.623 Muda wa majibu (wastani) 44.0s
#64	DeepSeek V4.1 Flash high	DeepSeek	1	0.9	$0.617	16/23	33.3s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $0.617 Muda wa majibu (wastani) 33.3s
#54	Muse Spark Open low	Meta	2	0.9	$0.600	16/23	21.6s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $0.600 Muda wa majibu (wastani) 21.6s
#187	GPT-5.2 Chat default	OpenAI	1	0.7	$0.594	13/23	7.43s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.594 Muda wa majibu (wastani) 7.43s
#65	DeepSeek V4.1 Flash medium	DeepSeek	1	0.9	$0.591	16/23	32.9s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $0.591 Muda wa majibu (wastani) 32.9s
#129	DeepSeek V4.1 Flash 1017 high	DeepSeek	2	0.8	$0.589	13/23	58.6s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.589 Muda wa majibu (wastani) 58.6s
#70	MiMo-V2.6-Pro medium	Xiaomi	1	0.9	$0.586	14/23	148.1s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.586 Muda wa majibu (wastani) 148.1s
#87	Muse Glimmer 30B xhigh	Meta	1	0.8	$0.585	14/23	97.7s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.585 Muda wa majibu (wastani) 97.7s
#91	DeepSeek V4 Flash 0731 high	DeepSeek	2	0.8	$0.576	15/23	118.8s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $0.576 Muda wa majibu (wastani) 118.8s
#132	Step 3.7 Flash medium	Stepfun	2	0.8	$0.571	13/23	26.6s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.571 Muda wa majibu (wastani) 26.6s
#169	Qwen3.6 Plus medium	Qwen	1	0.7	$0.554	15/23	57.4s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $0.554 Muda wa majibu (wastani) 57.4s

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)