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)
#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
#189	Gemini 3.1 Flash Lite Preview medium	Google	1	0.7	$0.158	14/23	6.78s
Jumla ya majaribio 23 Majaribio yenye makosa 9 Jumla ya gharama $0.158 Muda wa majibu (wastani) 6.78s
#190	Kimi K2.7 Code medium	Moonshot AI	1	0.7	$1.136	11/23	81.2s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $1.136 Muda wa majibu (wastani) 81.2s
#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
#197	Minimax M3.1 Flash max	Minimax	1	0.7	$0.000	11/23	40.9s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.000 Muda wa majibu (wastani) 40.9s
#198	Gemini 3.1 Flash Lite medium	Google	1	0.7	$0.153	13/23	6.27s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.153 Muda wa majibu (wastani) 6.27s
#201	GPT-5.6 Luna low	OpenAI	1	0.7	$0.049	11/23	6.96s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.049 Muda wa majibu (wastani) 6.96s
#203	Claude Opus 4.8 none	Anthropic	1	0.7	$2.334	13/23	7.54s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $2.334 Muda wa majibu (wastani) 7.54s
#205	Qwen3.5-Flash medium	Qwen	1	0.7	$0.184	12/23	83.7s
Jumla ya majaribio 23 Majaribio yenye makosa 11 Jumla ya gharama $0.184 Muda wa majibu (wastani) 83.7s
#207	Mercury 2.5 Preview medium	Inception	1	0.7	$0.039	15/23	6.66s
Jumla ya majaribio 23 Majaribio yenye makosa 8 Jumla ya gharama $0.039 Muda wa majibu (wastani) 6.66s
#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
#220	Apodex 1.1 Mini high	Apodex	1	0.7	$0.000	11/23	31.2s
Jumla ya majaribio 23 Majaribio yenye makosa 12 Jumla ya gharama $0.000 Muda wa majibu (wastani) 31.2s
#223	GLM 5.2 none	Z.ai	1	0.7	$0.250	13/23	11.3s
Jumla ya majaribio 23 Majaribio yenye makosa 10 Jumla ya gharama $0.250 Muda wa majibu (wastani) 11.3s
#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
#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

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)