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: 合計コスト ↑.

表示モデル数

総失敗数

386

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128 汎用知能カテゴリで115 指示追従カテゴリで48 反AIトリックカテゴリで44 コーディングカテゴリで29 ツール呼び出しカテゴリで12 データ解析と抽出カテゴリで7 ドメイン特化カテゴリで2 複合カテゴリで1

215/215

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）
#105	Qwen3.8 2.4T A95B high	Qwen	2	7.4	$2.357	14/22	120.6s
合計テスト数 22 誤答テスト数 8 合計コスト $2.357 応答時間（平均） 120.6s
#136	Claude Fable 5.1 low	Anthropic	3	6.9	$2.565	11/22	10.3s
合計テスト数 22 誤答テスト数 11 合計コスト $2.565 応答時間（平均） 10.3s
#52	Claude Fable 5.1 medium	Anthropic	1	8.3	$2.909	15/22	11.7s
合計テスト数 22 誤答テスト数 7 合計コスト $2.909 応答時間（平均） 11.7s
#82	Claude Opus 4.6 medium	Anthropic	1	7.7	$2.961	13/22	32.2s
合計テスト数 22 誤答テスト数 9 合計コスト $2.961 応答時間（平均） 32.2s
#273	Grok 4.20 Multi Agent Beta medium	X AI	2	4.8	$5.599	8/18	9.69s
合計テスト数 18 誤答テスト数 10 合計コスト $5.599 応答時間（平均） 9.69s

指示に従っていないの失敗