Kegagalan Tidak mengikuti instruksi
Lihat model AI mana yang paling sering mengalami Tidak mengikuti instruksi, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Tes benar ↑.
Kategori
Dalam kategori Pemecahan teka-teki167 Dalam kategori Kecerdasan umum142 Dalam kategori Kepatuhan instruksi77 Dalam kategori Trik anti-AI52 Dalam kategori Pemrograman50 Dalam kategori Pemanggilan alat13 Dalam kategori Tugas agen10 Dalam kategori Parsing dan ekstraksi data8 Dalam kategori Spesifik domain3 Dalam kategori Gabungan1
294/294
Filter model
Tidak ada model yang cocok dengan pencarian dan filter saat ini.
| Peringkat | Model | Perusahaan | Jumlah Tidak mengikuti instruksi | Skor | Total Biaya | Tes benar | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|
| #286 | Claude Sonnet 4.6 none | Anthropic | 1 | 0.6 | $0.661 | 12/22 | 7.67s |
| #378 | Gemini 3.1 Flash Lite high | 3 | 0.5 | $2.044 | 10/18 | 62.0s | |
| #86 | GPT-5 Mini medium | OpenAI | 3 | 0.8 | $0.315 | 13/23 | 29.4s |
| #90 | Muse Spark 1.1 high | Meta | 2 | 0.8 | $2.570 | 13/23 | 37.4s |
| #115 | GPT-5.4 Nano medium | OpenAI | 2 | 0.8 | $0.235 | 13/23 | 16.0s |
| #122 | GPT-5.4 Mini medium | OpenAI | 3 | 0.8 | $1.102 | 13/23 | 29.9s |
| #129 | DeepSeek V4.1 Flash 1017 high | DeepSeek | 2 | 0.8 | $0.589 | 13/23 | 58.6s |
| #132 | Step 3.7 Flash medium | Stepfun | 2 | 0.8 | $0.571 | 13/23 | 26.6s |
| #134 | Qwen3.7 Plus none | Qwen | 1 | 0.8 | $0.178 | 13/23 | 17.8s |
| #141 | Claude Haiku 5.5 medium | Anthropic | 2 | 0.8 | $0.063 | 13/23 | 7.71s |
| #155 | Qwen3.6 Flash medium | Qwen | 1 | 0.7 | $0.783 | 13/23 | 45.5s |
| #156 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 0.7 | $0.306 | 13/23 | 88.1s |
| #158 | GLM 5.3 FlashX high | Z.ai | 1 | 0.7 | $0.210 | 13/23 | 14.9s |
| #164 | GLM 5.3 Flash high | Z.ai | 2 | 0.7 | $0.056 | 13/23 | 29.1s |
| #176 | Qwen3.7 Flash high | Qwen | 1 | 0.7 | $0.063 | 13/23 | 45.5s |