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.

Modeli zilizoonyeshwa

Jumla ya kushindwa

523

Modeli iliyoathirika zaidi

Claude Sonnet 5.5 5

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)
#117	Qwen3.8 Flash Next low	Qwen	1	0.8	~$0.045	15/23	23.7s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama ~$0.045 Muda wa majibu (wastani) 23.7s
#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
#124	Gemini 3.5 Flash medium	Google	1	0.8	$1.316	18/23	11.8s
Jumla ya majaribio 23 Majaribio yenye makosa 5 Jumla ya gharama $1.316 Muda wa majibu (wastani) 11.8s
#126	MiMo-V2.6-Flash medium	Xiaomi	1	0.8	$0.218	12/23	61.9s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.218 Muda wa majibu (wastani) 61.9s
#127	Muse Wonder max	Meta	1	0.8	$4.766	16/23	44.4s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $4.766 Muda wa majibu (wastani) 44.4s
#131	GLM 5.3 high	Z.ai	1	0.8	$0.495	14/23	28.4s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.495 Muda wa majibu (wastani) 28.4s
#133	Grok 4.6 medium	X AI	1	0.8	$2.270	16/23	74.8s
Jumla ya majaribio 23 Majaribio yenye makosa 7 Jumla ya gharama $2.270 Muda wa majibu (wastani) 74.8s
#134	Qwen3.7 Plus none	Qwen	1	0.8	$0.178	13/23	17.8s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.178 Muda wa majibu (wastani) 17.8s
#138	GPT-6 Luna high	OpenAI	1	0.8	$0.074	15/23	20.4s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $0.074 Muda wa majibu (wastani) 20.4s
#140	Nemotron 3.5 Super VL medium	NVIDIA	1	0.8	$0.437	14/23	84.9s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.437 Muda wa majibu (wastani) 84.9s
#144	Muse Glimmer 30B medium	Meta	1	0.8	$0.288	12/23	34.0s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.288 Muda wa majibu (wastani) 34.0s
#146	Qwen3.8 Flash Next medium	Qwen	1	0.8	~$0.047	15/23	24.8s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama ~$0.047 Muda wa majibu (wastani) 24.8s
#147	GPT-6 Luna low	OpenAI	1	0.8	$0.033	12/23	23.2s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.033 Muda wa majibu (wastani) 23.2s
#148	Qwen3.8 27B low	Qwen	1	0.8	~$0.089	15/23	46.6s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama ~$0.089 Muda wa majibu (wastani) 46.6s
#151	Seed-2.0-Mini medium	Bytedance Seed	1	0.8	$0.140	12/23	91.7s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.140 Muda wa majibu (wastani) 91.7s

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)