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: Waktu respons (rata-rata) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #314 | Step 5 Preview low | Stepfun | 1 | 0.6 | $4.110 | 10/23 | 138.3s |
| #282 | Step 5 Preview medium | Stepfun | 2 | 0.6 | $4.136 | 10/23 | 136.1s |
| #244 | Solar Pro 4 medium | Upstage | 2 | 0.6 | $0.098 | 12/23 | 133.9s |
| #261 | Solar Pro 4 high | Upstage | 3 | 0.6 | $0.077 | 11/23 | 128.9s |
| #247 | Kimi K2.5 medium | Moonshot AI | 2 | 0.6 | $0.841 | 10/23 | 125.8s |
| #153 | Seed-2.0-Code high | Bytedance Seed | 1 | 0.7 | $1.448 | 12/23 | 124.9s |
| #215 | Grok 4.7 high | X AI | 2 | 0.7 | $3.037 | 13/23 | 122.2s |
| #204 | Kimi K2.6 medium | Moonshot AI | 2 | 0.7 | $1.594 | 12/23 | 121.3s |
| #125 | Qwen3.8 2.4T A95B high | Qwen | 2 | 0.8 | $2.949 | 15/23 | 120.9s |
| #91 | DeepSeek V4 Flash 0731 high | DeepSeek | 2 | 0.8 | $0.576 | 15/23 | 118.8s |
| #166 | Grok 4.7 medium | X AI | 1 | 0.7 | $2.938 | 15/23 | 117.7s |
| #225 | LongCat 2.0 low | Meituan | 1 | 0.7 | $0.630 | 10/23 | 115.0s |
| #119 | Qwen3.5-27B medium | Qwen | 2 | 0.8 | $1.135 | 14/23 | 114.7s |
| #361 | Laguna S 2.1 high | Poolside | 1 | 0.5 | $0.145 | 4/23 | 113.6s |
| #255 | Qwen3.5-35B-A3B medium | Qwen | 1 | 0.6 | $0.716 | 11/23 | 111.5s |