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) |
|---|---|---|---|---|---|---|---|
| #247 | Kimi K2.5 medium | Moonshot AI | 2 | 0.6 | $0.841 | 10/23 | 125.8s |
| #252 | Dots 3 Note Preview high | Dots Studio | 1 | 0.6 | $0.000 | 10/23 | 70.5s |
| #253 | Dots 3 Note Preview low | Dots Studio | 2 | 0.6 | $0.000 | 10/23 | 66.1s |
| #265 | Space Bunny Alpha medium | Stealth | 1 | 0.6 | $0.000 | 10/23 | 32.9s |
| #282 | Step 5 Preview medium | Stepfun | 2 | 0.6 | $4.136 | 10/23 | 136.1s |
| #289 | Inkling Small medium | Thinkingmachines | 4 | 0.6 | $0.113 | 10/23 | 6.03s |
| #291 | Gemini 3.1 Flash Lite minimal | 3 | 0.6 | $0.080 | 10/23 | 3.95s | |
| #314 | Step 5 Preview low | Stepfun | 1 | 0.6 | $4.110 | 10/23 | 138.3s |
| #436 | Decider V1.2 default | Perplexity | 1 | 0.3 | $0.001 | 5/12 | 517ms |
| #230 | Claude Sonnet 5.5 medium | Anthropic | 3 | 0.7 | $1.100 | 9/23 | 8.03s |
| #231 | Minimax M3.1 Flash high | Minimax | 4 | 0.7 | $0.000 | 9/23 | 34.0s |
| #270 | Space Bunny Alpha xhigh | Stealth | 2 | 0.6 | $0.000 | 9/23 | 60.0s |
| #288 | MiMo-V2.6-Pro none | Xiaomi | 1 | 0.6 | $0.193 | 9/23 | 9.66s |
| #292 | gpt-oss-120b medium | OpenAI | 3 | 0.6 | $0.030 | 9/23 | 31.6s |
| #293 | Gemini 3.1 Flash Lite none | 1 | 0.6 | $0.069 | 9/23 | 3.58s |