Peringkat 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 ↑.

Model yang ditampilkan

Total kegagalan

245

Model yang paling terdampak

LFM2-24B-A2B 1

Kategori

Dalam kategori Pemecahan teka-teki90 Dalam kategori Kecerdasan umum78 Dalam kategori Trik anti-AI33 Dalam kategori Kepatuhan instruksi18 Dalam kategori Pemrograman16 Dalam kategori Pemanggilan alat8 Dalam kategori Gabungan1 Dalam kategori Spesifik domain1

140/140

Peringkat	Model	Perusahaan	Jumlah Tidak mengikuti instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#210	LFM2-24B-A2B none	Liquid	1	2.2	$0.001	2/16	782ms
Total Tes 16 Tes Salah 14 Total Biaya $0.001 Waktu respons (rata-rata) 782ms
#209	Step 3.5 Flash none	Stepfun	1	2.3	$0.020	6/12	39.0s
Total Tes 12 Tes Salah 6 Total Biaya $0.020 Waktu respons (rata-rata) 39.0s
#208	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	2	3.2	$0.000	2/19	728ms
Total Tes 19 Tes Salah 17 Total Biaya $0.000 Waktu respons (rata-rata) 728ms
#207	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	1	3.4	$0.000	4/19	17.1s
Total Tes 19 Tes Salah 15 Total Biaya $0.000 Waktu respons (rata-rata) 17.1s
#206	gpt-oss-120b none	OpenAI	2	3.7	$0.010	6/19	21.6s
Total Tes 19 Tes Salah 13 Total Biaya $0.010 Waktu respons (rata-rata) 21.6s
#205	Laguna Xs.2 none	Poolside	1	3.8	$0.004	5/19	806ms
Total Tes 19 Tes Salah 14 Total Biaya $0.004 Waktu respons (rata-rata) 806ms
#204	Qwen3.5-9B medium	Qwen	1	3.8	$0.036	3/22	82.2s
Total Tes 22 Tes Salah 19 Total Biaya $0.036 Waktu respons (rata-rata) 82.2s
#203	Grok 4.1 Fast none	X AI	3	3.8	$0.008	3/19	1.62s
Total Tes 19 Tes Salah 16 Total Biaya $0.008 Waktu respons (rata-rata) 1.62s
#202	Grok Build 0.1 none	X AI	2	4.0	$0.547	7/19	28.7s
Total Tes 19 Tes Salah 12 Total Biaya $0.547 Waktu respons (rata-rata) 28.7s
#201	Granite 4.1 8B none	IBM Granite	4	4.0	$0.007	2/22	1.45s
Total Tes 22 Tes Salah 20 Total Biaya $0.007 Waktu respons (rata-rata) 1.45s
#200	MiMo-V2-Flash none	Xiaomi	2	4.0	$0.025	4/21	2.76s
Total Tes 21 Tes Salah 17 Total Biaya $0.025 Waktu respons (rata-rata) 2.76s
#199	Hy3 preview none	Tencent	4	4.0	$0.003	4/21	12.9s
Total Tes 21 Tes Salah 17 Total Biaya $0.003 Waktu respons (rata-rata) 12.9s
#196	Hunter Alpha none	OpenRouter	2	4.2	$0.000	6/18	4.70s
Total Tes 18 Tes Salah 12 Total Biaya $0.000 Waktu respons (rata-rata) 4.70s
#195	Elephant Alpha medium	Openrouter	2	4.3	$0.000	6/21	1.27s
Total Tes 21 Tes Salah 15 Total Biaya $0.000 Waktu respons (rata-rata) 1.27s
#194	GLM 4.7 Flash medium	Z.ai	2	4.3	$0.166	4/22	142.6s
Total Tes 22 Tes Salah 18 Total Biaya $0.166 Waktu respons (rata-rata) 142.6s

Kegagalan Tidak mengikuti instruksi

Filter model

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)