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) |
|---|---|---|---|---|---|---|---|
| #111 | DeepSeek V4 Flash 0423 high | DeepSeek | 2 | 0.8 | $0.261 | 14/23 | 56.0s |
| #119 | Qwen3.5-27B medium | Qwen | 2 | 0.8 | $1.135 | 14/23 | 114.7s |
| #131 | GLM 5.3 high | Z.ai | 1 | 0.8 | $0.495 | 14/23 | 28.4s |
| #140 | Nemotron 3.5 Super VL medium | NVIDIA | 1 | 0.8 | $0.437 | 14/23 | 84.9s |
| #159 | Grok 4.7 low | X AI | 1 | 0.7 | $1.933 | 14/23 | 63.2s |
| #160 | Inkling Small high | Thinkingmachines | 2 | 0.7 | $0.398 | 14/23 | 29.1s |
| #170 | Gemini 3.5 Flash Lite medium | 1 | 0.7 | $0.440 | 14/23 | 8.68s | |
| #173 | Qwen3.8 27B medium | Qwen | 2 | 0.7 | ~$0.073 | 14/23 | 40.1s |
| #182 | Qwen3.8 Flash Next xhigh | Qwen | 2 | 0.7 | ~$0.195 | 14/23 | 102.7s |
| #189 | Gemini 3.1 Flash Lite Preview medium | 1 | 0.7 | $0.158 | 14/23 | 6.78s | |
| #258 | Gemini 3.1 Flash Lite Preview low | 1 | 0.6 | $0.736 | 14/23 | 19.0s | |
| #55 | Muse Spark 1.2 high | Meta | 3 | 0.9 | $2.018 | 15/23 | 28.1s |
| #56 | Muse Spark 1.2 medium | Meta | 3 | 0.9 | $1.590 | 15/23 | 21.3s |
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.9 | $1.864 | 15/23 | 28.3s |
| #63 | Muse Spark Open medium | Meta | 2 | 0.9 | $1.260 | 15/23 | 77.4s |