Peringkat Kepatuhan instruksi x Format tambahan

Lihat model AI mana yang paling mungkin mengalami Format tambahan di Kepatuhan instruksi, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Alasan kegagalan

Jawaban salah111 Tidak mengikuti instruksi73 Kesalahan API25 Format tambahan8 Kedaluwarsa5 Tidak ada jawaban2

Kategori

Pemrograman37 Spesifik domain36 Trik anti-AI34 Pemecahan teka-teki16 Parsing dan ekstraksi data12 Kepatuhan instruksi8 Gabungan1

8/8

Peringkat	Model	Perusahaan	Jumlah Format tambahan	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#130	DeepSeek V4 Flash 0731 medium	DeepSeek	1	0.8	$0.460	1/2	2.42s
Total Tes 2 Tes Salah 1 Total Biaya $0.460 Waktu respons (rata-rata) 2.42s
#222	Claude Sonnet 5.5 medium	Anthropic	1	0.6	$1.100	1/2	1.88s
Total Tes 2 Tes Salah 1 Total Biaya $1.100 Waktu respons (rata-rata) 1.88s
#257	DeepSeek V4 Flash 0423 none	DeepSeek	1	0.7	$0.149	1/2	17.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.149 Waktu respons (rata-rata) 17.5s
#264	Claude Fable 5.1 low	Anthropic	1	0.7	$3.395	1/2	5.24s
Total Tes 2 Tes Salah 1 Total Biaya $3.395 Waktu respons (rata-rata) 5.24s
#284	Claude Sonnet 5 none	Anthropic	1	0.6	$1.095	1/2	2.58s
Total Tes 2 Tes Salah 1 Total Biaya $1.095 Waktu respons (rata-rata) 2.58s
#313	Seed-2.0-Code none	Bytedance Seed	1	0.6	$0.257	1/2	1.80s
Total Tes 2 Tes Salah 1 Total Biaya $0.257 Waktu respons (rata-rata) 1.80s
#380	Granite 4.2 8B none	IBM Granite	1	0.3	$0.037	0/2	79.5s
Total Tes 2 Tes Salah 2 Total Biaya $0.037 Waktu respons (rata-rata) 79.5s
#410	Hy3 preview none	Tencent	1	0.6	$0.007	1/2	13.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.007 Waktu respons (rata-rata) 13.0s

Filter model