Peringkat Kepatuhan instruksi x Jawaban salah

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

Model yang ditampilkan

Total kegagalan

111

Model yang paling terdampak

Alasan kegagalan

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

Kategori

Spesifik domain878 Trik anti-AI502 Pemrograman477 Pemecahan teka-teki344 Pengetahuan umum306 Kecerdasan umum129 Gabungan126 Tugas agen126 Kepatuhan instruksi111 Parsing dan ekstraksi data93

111/111

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#434	D1 default	Liquid	1	0.2	$0.003	0/1	820ms
Total Tes 1 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 820ms
#436	LFM2-24B-A2B default	Liquid	1	0.6	$0.001	1/2	752ms
Total Tes 2 Tes Salah 1 Total Biaya $0.001 Waktu respons (rata-rata) 752ms
#437	Solar Decide Flash default	Upstage	1	0.2	$0.003	0/1	1.66s
Total Tes 1 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 1.66s
#438	Microsoft-Decision-1 default	Microsoft	1	0.2	$0.002	0/1	997ms
Total Tes 1 Tes Salah 1 Total Biaya $0.002 Waktu respons (rata-rata) 997ms
#440	Tev1 4B Experimental default	Togethercomputer	1	0.2	$0.002	0/1	555ms
Total Tes 1 Tes Salah 1 Total Biaya $0.002 Waktu respons (rata-rata) 555ms
#441	Nimble v3 9B default	Bespoke Labs	1	0.2	~$0.001	0/1	469ms
Total Tes 1 Tes Salah 1 Total Biaya ~$0.001 Waktu respons (rata-rata) 469ms

Filter model