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

386

Modeli iliyoathirika zaidi

MiniMax M2.7 5

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)
#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
#137	Grok 4.20 medium	X AI	2	7.0	$0.805	11/22	32.6s
Jumla ya majaribio 22 Majaribio yenye makosa 11 Jumla ya gharama $0.805 Muda wa majibu (wastani) 32.6s
#139	Kimi K2.5 medium	Moonshot AI	2	7.0	$0.479	10/22	98.2s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.479 Muda wa majibu (wastani) 98.2s
#148	Solar Pro 4 low	Upstage	2	6.8	$0.044	11/22	136.1s
Jumla ya majaribio 22 Majaribio yenye makosa 11 Jumla ya gharama $0.044 Muda wa majibu (wastani) 136.1s
#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
#150	DeepSeek V4 Pro none	DeepSeek	2	6.8	$0.220	9/22	11.7s
Jumla ya majaribio 22 Majaribio yenye makosa 13 Jumla ya gharama $0.220 Muda wa majibu (wastani) 11.7s
#152	MiMo-V2.5-Pro medium	Xiaomi	2	6.8	$0.221	11/22	48.7s
Jumla ya majaribio 22 Majaribio yenye makosa 11 Jumla ya gharama $0.221 Muda wa majibu (wastani) 48.7s
#160	LongCat 2.0 high	Meituan	2	6.7	$0.492	9/22	153.3s
Jumla ya majaribio 22 Majaribio yenye makosa 13 Jumla ya gharama $0.492 Muda wa majibu (wastani) 153.3s
#163	Qwen3.5-27B none	Qwen	2	6.6	$0.058	9/22	4.77s
Jumla ya majaribio 22 Majaribio yenye makosa 13 Jumla ya gharama $0.058 Muda wa majibu (wastani) 4.77s
#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
#175	Dots 3 Note Preview low	Dots Studio	2	6.4	$0.000	10/22	61.8s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.000 Muda wa majibu (wastani) 61.8s
#180	Ring-2.6-1T medium	Inclusionai	2	6.4	$0.102	11/22	68.8s
Jumla ya majaribio 22 Majaribio yenye makosa 11 Jumla ya gharama $0.102 Muda wa majibu (wastani) 68.8s
#193	Inkling low	Thinkingmachines	2	6.1	$0.187	10/22	5.11s
Jumla ya majaribio 22 Majaribio yenye makosa 12 Jumla ya gharama $0.187 Muda wa majibu (wastani) 5.11s

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)