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) |
|---|---|---|---|---|---|---|---|
| #101 | Gemini 4 Argon low | 1 | 0.8 | $0.438 | 15/23 | 5.72s | |
| #102 | DeepSeek V4.1 Flash 1017 max | DeepSeek | 2 | 0.8 | $0.757 | 15/23 | 78.2s |
| #117 | Qwen3.8 Flash Next low | Qwen | 1 | 0.8 | ~$0.045 | 15/23 | 23.7s |
| #120 | GLM 5.3 FlashX max | Z.ai | 1 | 0.8 | $0.623 | 15/23 | 44.0s |
| #125 | Qwen3.8 2.4T A95B high | Qwen | 2 | 0.8 | $2.949 | 15/23 | 120.9s |
| #138 | GPT-6 Luna high | OpenAI | 1 | 0.8 | $0.074 | 15/23 | 20.4s |
| #146 | Qwen3.8 Flash Next medium | Qwen | 1 | 0.8 | ~$0.047 | 15/23 | 24.8s |
| #148 | Qwen3.8 27B low | Qwen | 1 | 0.8 | ~$0.089 | 15/23 | 46.6s |
| #165 | Claude Fable 5.1 medium | Anthropic | 1 | 0.7 | $3.197 | 15/23 | 11.9s |
| #166 | Grok 4.7 medium | X AI | 1 | 0.7 | $2.938 | 15/23 | 117.7s |
| #167 | Gemini 2.5 Flash medium | 2 | 0.7 | $0.680 | 15/23 | 20.5s | |
| #169 | Qwen3.6 Plus medium | Qwen | 1 | 0.7 | $0.554 | 15/23 | 57.4s |
| #207 | Mercury 2.5 Preview medium | Inception | 1 | 0.7 | $0.039 | 15/23 | 6.66s |
| #70 | MiMo-V2.6-Pro medium | Xiaomi | 1 | 0.9 | $0.586 | 14/23 | 148.1s |
| #74 | Muse Spark 1.1 low | Meta | 3 | 0.9 | $0.885 | 14/23 | 13.2s |