Benchmarks / Cyber

UGI Willingness

A private-question evaluation of how far a model follows challenging instructions before refusing or deviating. Maintained by DontPlanToEnd. Score: W/10 ๐Ÿ‘.

166models
โ€“Open Index weight
โ€“last updated

UGI Willingness

Higher is better ยท best effort per model

Chart settings
166 of 166 selected

full table below

#ModelEffortScoreCost / taskHarness
1Qwen 2.5 32Bnone8โ€“โ€“
2Qwen 2.5 14Bโ€“8โ€“โ€“
3Qwen 3high8โ€“โ€“
4Gemma 1 2Bโ€“8โ€“โ€“
5Gemma 2 9Bโ€“8โ€“โ€“
6Qwen 3 4Bnone8โ€“โ€“
7Qwen 3.1none8โ€“โ€“
8Mistral Large 2411โ€“8โ€“โ€“
9Qwen 2.5 72Bnone8โ€“โ€“
10Mistral Medium 3none7โ€“โ€“
11DeepSeek V4 Flashmax7โ€“โ€“
12Gemma 3 12Bnone7โ€“โ€“
13Llama 7 0bโ€“7โ€“โ€“
14Gemma 2 7Bโ€“7โ€“โ€“
15Magistral Small 2509โ€“7โ€“โ€“
16Devstral Small 2none7โ€“โ€“
17Mistral Small 3.1none7โ€“โ€“
18Mistral Smallnone7โ€“โ€“
19Mistral Small 3.2none7โ€“โ€“
20Qwen 3 30B-A3Bnone7โ€“โ€“
21Grok 3none7โ€“โ€“
22Grok 4.1 Fasthigh7โ€“โ€“
23Mistral Large 3none7โ€“โ€“
24Grok 4.20xhigh7โ€“โ€“
25DeepSeek V3none6โ€“โ€“
26Qwen 3 8Bnone6โ€“โ€“
27Grok 4.0709โ€“6โ€“โ€“
28Mistral Small 3none6โ€“โ€“
29Mistral Medium 3.5none6โ€“โ€“
30GLM 4โ€“6โ€“โ€“
31Llama 3.1 405bnone6โ€“โ€“
32DeepSeek V3.0324โ€“6โ€“โ€“
33Llama 3.1max6โ€“โ€“
34Mistral Medium 3.1none6โ€“โ€“
35Grok 4.5max6โ€“โ€“
36Mistralnone6โ€“โ€“
37Llama 3 8bnone6โ€“โ€“
38Qwen 3 14Bnone6โ€“โ€“
39Gemma 3 1Bnone6โ€“โ€“
40GPT-5.4xhigh6โ€“โ€“
41Mistral Large 2407โ€“5โ€“โ€“
42Llama 4 Scoutmedium5โ€“โ€“
43Llama 33 70bโ€“5โ€“โ€“
44Llama 3.3none5โ€“โ€“
45Mistral Small 2409โ€“5โ€“โ€“
46Qwen 3.0โ€“5โ€“โ€“
47Grok 4 Fastnone5โ€“โ€“
48Gemma 3 4Bnone5โ€“โ€“
49Llama 33โ€“5โ€“โ€“
50DeepSeek V3.2high5โ€“โ€“
51GLM 4.7none5โ€“โ€“
52Grok 4.3xhigh5โ€“โ€“
53GLM 4.6 Vlow5โ€“โ€“
54Llama 10 9bโ€“4โ€“โ€“
55Magistral 2509โ€“4โ€“โ€“
56Mistral Small 4high4โ€“โ€“
57Hy3xhigh4โ€“โ€“
58Opus 5.5max4โ€“โ€“
59Qwen 2.5 7Bโ€“4โ€“โ€“
60Llama 3.3 70bnone4โ€“โ€“
61Llama 4 Maverickmedium4โ€“โ€“
62Llama 3โ€“4โ€“โ€“
63MiMo V2.5xhigh4โ€“โ€“
64Qwen 3 32Bnone4โ€“โ€“
65Qwen 3 Maxmax4โ€“โ€“
66GPT-6.1 Solmax4โ€“โ€“
67Grok 4.7max4โ€“โ€“
68DeepSeek V3.1none4โ€“โ€“
69Gemini 2.5 Flashmedium4โ€“โ€“
70Qwen 3.5none4โ€“โ€“
71Kimi K2medium3โ€“โ€“
72Qwen 3 235B-A22Bxhigh3โ€“โ€“
73GPT-4ohigh3โ€“โ€“
74Llama 3.3 8bโ€“3โ€“โ€“
75Gemma 3 12B ITโ€“3โ€“โ€“
76Gemma 3 4B ITโ€“3โ€“โ€“
77Opus 4.6max3โ€“โ€“
78DeepSeek V4 Promax3โ€“โ€“
79Grok 4.6max3โ€“โ€“
80DeepSeek R1xhigh3โ€“โ€“
81GLM 4.7 Flashnone3โ€“โ€“
82Qwen 3.5 35B-A3Blow3โ€“โ€“
83Qwen 3.6 27Bmax3โ€“โ€“
84GPT-6 Astramax3โ€“โ€“
85GPT-6 Solmax3โ€“โ€“
86o1high3โ€“โ€“
87Gemma 3 1B ITโ€“3โ€“โ€“
88Qwen 2.5โ€“3โ€“โ€“
89MiniMax M2โ€“3โ€“โ€“
90Gemini 2.5 Prohigh2โ€“โ€“
91o3high2โ€“โ€“
92DeepSeek R1.0528โ€“2โ€“โ€“
93GPT-4.1high2โ€“โ€“
94GPT-5.2025high2โ€“โ€“
95o4 minihigh2โ€“โ€“
96Qwen 3 Codermedium2โ€“โ€“
97Qwen 3 16B-A3Bโ€“2โ€“โ€“
98GLM 4.5 Airโ€“2โ€“โ€“
99GPT-5.1high2โ€“โ€“
100Qwen 3.5 9Blow2โ€“โ€“
101Qwen 3.5 4Blow2โ€“โ€“
102GPT-5.5xhigh2โ€“โ€“
103Gemini 3.5 Flashxhigh2โ€“โ€“
104GPT-5.6 Lunamax2โ€“โ€“
105GPT-5.6 Terramax2โ€“โ€“
106GPT-5.6 Solmax2โ€“โ€“
107Gemini 3.6 Flashxhigh2โ€“โ€“
108Gemini 3.7 Flashmax2โ€“โ€“
109Fable 5.1max2โ€“โ€“
110Gemma 3 27B ITmedium2โ€“โ€“
111Gemma 3 27Bnone2โ€“โ€“
112gpt-oss-120bhigh2โ€“โ€“
113GLM 4.6none2โ€“โ€“
114Qwen 3 15B-A2Bโ€“2โ€“โ€“
115MiMo V2 Flashhigh2โ€“โ€“
116Kimi K2.5max2โ€“โ€“
117Kimi K2.6max2โ€“โ€“
118Qwen 3.6 35B-A3Bmax2โ€“โ€“
119GPT-5high2โ€“โ€“
120Sonnet 4.5high2โ€“โ€“
121Llama 3 3bโ€“2โ€“โ€“
122Gemini 3 Prohigh2โ€“โ€“
123Opus 4.5high2โ€“โ€“
124Gemini 3 Flashhigh2โ€“โ€“
125MiniMax M2.1โ€“2โ€“โ€“
126Sonnet 4.6max2โ€“โ€“
127Gemini 3.1 Prohigh2โ€“โ€“
128Qwen 3.5 122B-A10Bnone2โ€“โ€“
129GPT-5.2xhigh2โ€“โ€“
130Qwen 3.5 397B-A17Bmax2โ€“โ€“
131Qwen 3.6 Plusmax2โ€“โ€“
132Opus 4.7max2โ€“โ€“
133Gemma 4 26Bxhigh2โ€“โ€“
134Opus 4.8max2โ€“โ€“
135MiMo V2.5 Proxhigh2โ€“โ€“
136Sonnet 5max2โ€“โ€“
137Gemini 3.8 Flashmax2โ€“โ€“
138Llama 3.2 1bnone2โ€“โ€“
139Llama 3.1 70bnone2โ€“โ€“
140Qwen 2.5 Codernone2โ€“โ€“
141Llama 3.2โ€“2โ€“โ€“
142Haiku 4.5xhigh2โ€“โ€“
143gpt-oss-20bhigh1โ€“โ€“
144Llama 3.2 3bnone1โ€“โ€“
145GLM 5high1โ€“โ€“
146GPT-5.3xhigh1โ€“โ€“
147Qwen 3.5 27Bhigh1โ€“โ€“
148Qwen 3.5 2Blow1โ€“โ€“
149Gemma 4 31B IThigh1โ€“โ€“
150GLM 5.1max1โ€“โ€“
151Gemma 4 12B ITโ€“1โ€“โ€“
152Fable 5max1โ€“โ€“
153Llama 3.1 8bmedium1โ€“โ€“
154Gemma 2 9B ITโ€“1โ€“โ€“
155Sonnet 4high1โ€“โ€“
156Opus 4medium1โ€“โ€“
157Opus 4.1high1โ€“โ€“
158MiniMax M2.5high1โ€“โ€“
159MiniMax M2.7high1โ€“โ€“
160Opus 3none1โ€“โ€“
161Gemma 2 27B ITโ€“1โ€“โ€“
162GLM 5.2max1โ€“โ€“
163Gemma 2 2B ITโ€“0โ€“โ€“
164Haiku 3medium0โ€“โ€“
165GLM 4.5xhigh0โ€“โ€“
166Llama 2 70bnone0โ€“โ€“