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: Muda wa majibu (wastani) ↓.

Modeli zilizoonyeshwa

Jumla ya kushindwa

523

Modeli iliyoathirika zaidi

Xing4.0 29b A4b 3

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)
#410	Xing4.0 29b A4b medium	Xingchen AGI	3	0.4	$0.000	1/23	371.7s
Jumla ya majaribio 23 Majaribio yenye makosa 22 Jumla ya gharama $0.000 Muda wa majibu (wastani) 371.7s
#152	Mistral Large 4 high	Mistral	2	0.8	$1.391	12/23	263.7s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $1.391 Muda wa majibu (wastani) 263.7s
#329	Hy4 preview low	Tencent	1	0.5	$1.844	3/23	207.2s
Jumla ya majaribio 23 Majaribio yenye makosa 20 Jumla ya gharama $1.844 Muda wa majibu (wastani) 207.2s
#331	Step 3.5 Flash medium	Stepfun	3	0.5	$0.105	10/22	190.5s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.105 Muda wa majibu (wastani) 190.5s
#71	Seed 2.1 Turbo medium	Bytedance Seed	1	0.9	$2.042	16/23	189.1s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $2.042 Muda wa majibu (wastani) 189.1s
#37	Qwen3.8 Max (0902) high	Qwen	1	0.9	$3.306	18/23	186.1s
Jumla ya majaribio 23 Majaribio yenye makosa 5 Jumla ya gharama $3.306 Muda wa majibu (wastani) 186.1s
#43	Seed 2.1 Turbo high	Bytedance Seed	1	0.9	$1.892	17/23	170.5s
Jumla ya majaribio 23 Majaribio yenye makosa 6 Jumla ya gharama $1.892 Muda wa majibu (wastani) 170.5s
#69	Qwen3.8 27B high	Qwen	2	0.9	~$0.298	17/23	166.3s
Jumla ya majaribio 23 Majaribio yenye makosa 6 Jumla ya gharama ~$0.298 Muda wa majibu (wastani) 166.3s
#192	Step 5 Preview high	Stepfun	1	0.7	$4.513	10/23	154.4s
Jumla ya majaribio 23 Majaribio yenye makosa 13 Jumla ya gharama $4.513 Muda wa majibu (wastani) 154.4s
#30	Muse Spark Open high	Meta	1	0.9	$1.782	17/23	152.0s
Jumla ya majaribio 23 Majaribio yenye makosa 6 Jumla ya gharama $1.782 Muda wa majibu (wastani) 152.0s
#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
#397	GLM 4.7 Flash medium	Z.ai	2	0.4	$0.193	4/23	150.9s
Jumla ya majaribio 23 Majaribio yenye makosa 19 Jumla ya gharama $0.193 Muda wa majibu (wastani) 150.9s
#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
#214	Solar Pro 4 low	Upstage	2	0.7	$0.101	11/23	145.2s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.101 Muda wa majibu (wastani) 145.2s
#210	Solar Pro 4 xhigh	Upstage	3	0.7	$0.067	12/23	142.8s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.067 Muda wa majibu (wastani) 142.8s

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)