Tugas agen: Tidak mengikuti instruksi
Tugas agen
Tidak mengikuti instruksi
Lihat model AI mana yang paling mungkin mengalami Tidak mengikuti instruksi di Tugas agen, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Total Biaya ↓.
Alasan kegagalan
10/10
Filter model
Tidak ada model yang cocok dengan pencarian dan filter saat ini.
| Peringkat | Model | Perusahaan | Jumlah Tidak mengikuti instruksi | Skor kategori | Total Biaya | Tes benar | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|
| #305 | Trinity Large Thinking low | Arcee AI | 1 | 0.7 | $0.918 | 0/1 | 63.2s |
| #293 | Qwen3.5-35B-A3B medium | Qwen | 1 | 0.7 | $0.716 | 0/1 | 126.8s |
| #202 | Gemini 2.5 Flash medium | 1 | 0.3 | $0.680 | 0/1 | 6.54s | |
| #167 | Step 3.7 Flash medium | Stepfun | 1 | 0.7 | $0.571 | 0/1 | 93.9s |
| #423 | Laguna S 2.1 low | Poolside | 1 | 0.3 | $0.108 | 0/1 | 152.1s |
| #261 | Qwen3.7 Flash medium | Qwen | 1 | 0.5 | $0.076 | 0/1 | 149.0s |
| #199 | GLM 5.3 Flash high | Z.ai | 1 | 0.7 | $0.056 | 0/1 | 111.5s |
| #416 | Laguna S 2.1 none | Poolside | 1 | 0.5 | $0.044 | 0/1 | 149.3s |
| #437 | Mercury 2 none | Inception | 1 | 0.3 | $0.033 | 0/1 | 9.00s |
| #364 | Gemini 2.5 Flash none | 1 | 0.3 | $0.017 | 0/1 | 1.81s |