指示に従っていない失敗ランキング

どのAIモデルで指示に従っていないが起きやすいかを確認し、選ぶ前に信頼性のリスクを見極められます。並び替え: 応答時間（平均） ↑.

表示モデル数

総失敗数

245

最も影響を受けたモデル

カテゴリ

パズル解決カテゴリで90 汎用知能カテゴリで78 反AIトリックカテゴリで33 指示追従カテゴリで18 コーディングカテゴリで16 ツール呼び出しカテゴリで8 ドメイン特化カテゴリで1 複合カテゴリで1

140/140

順位	モデル	企業	指示に従っていない件数	スコア	合計コスト	正解テスト	応答時間（平均）
#68	Kimi K2.6 medium	Moonshot AI	2	7.2	$1.036	12/22	110.0s
合計テスト数 22 誤答テスト数 10 合計コスト $1.036 応答時間（平均） 110.0s
#58	Qwen3.5-27B medium	Qwen	2	7.4	$1.627	13/22	111.9s
合計テスト数 22 誤答テスト数 9 合計コスト $1.627 応答時間（平均） 111.9s
#194	GLM 4.7 Flash medium	Z.ai	2	4.3	$0.166	4/22	142.6s
合計テスト数 22 誤答テスト数 18 合計コスト $0.166 応答時間（平均） 142.6s
#97	LongCat 2.0 high	Meituan	2	6.6	$0.469	9/22	148.7s
合計テスト数 22 誤答テスト数 13 合計コスト $0.469 応答時間（平均） 148.7s
#130	Step 3.5 Flash medium	Stepfun	3	6.0	$0.108	11/21	174.2s
合計テスト数 21 誤答テスト数 10 合計コスト $0.108 応答時間（平均） 174.2s

指示に従っていないの失敗