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: Skor ↑.
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) |
|---|---|---|---|---|---|---|---|
| #92 | GLM 5.2 high | Z.ai | 1 | 0.8 | $4.632 | 15/23 | 69.1s |
| #91 | DeepSeek V4 Flash 0731 high | DeepSeek | 2 | 0.8 | $0.576 | 15/23 | 118.8s |
| #90 | Muse Spark 1.1 high | Meta | 2 | 0.8 | $2.570 | 13/23 | 37.4s |
| #89 | Inkling high | Thinkingmachines | 1 | 0.8 | $1.238 | 16/23 | 62.7s |
| #87 | Muse Glimmer 30B xhigh | Meta | 1 | 0.8 | $0.585 | 14/23 | 97.7s |
| #86 | GPT-5 Mini medium | OpenAI | 3 | 0.8 | $0.315 | 13/23 | 29.4s |
| #84 | Nemotron 3.5 Super VL high | NVIDIA | 2 | 0.8 | $0.349 | 15/23 | 49.9s |
| #81 | Claude Sonnet 5 medium | Anthropic | 1 | 0.9 | $1.438 | 16/23 | 15.0s |
| #80 | Muse Spark 1.3 low | Meta | 1 | 0.9 | $0.911 | 16/23 | 17.7s |
| #77 | Claude Haiku 5.5 low | Anthropic | 2 | 0.9 | $0.061 | 16/23 | 7.51s |
| #74 | Muse Spark 1.1 low | Meta | 3 | 0.9 | $0.885 | 14/23 | 13.2s |
| #75 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.9 | $1.516 | 16/23 | 15.0s |
| #73 | DeepSeek V4.1 Flash max | DeepSeek | 1 | 0.9 | $1.204 | 15/23 | 61.6s |
| #71 | Seed 2.1 Turbo medium | Bytedance Seed | 1 | 0.9 | $2.042 | 16/23 | 189.1s |
| #70 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.9 | $0.586 | 14/23 | 148.1s |