AI BENCHY
Advertise here

Kegagalan kategori AI BENCHY

Pemrograman: Tidak mengikuti instruksi

Pemrograman
Tidak mengikuti instruksi

Lihat model AI mana yang paling mungkin mengalami Tidak mengikuti instruksi di Pemrograman, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

15

Total kegagalan

16

Model yang paling terdampak

Granite 4.1 8B 1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor kategori Tes benar Waktu respons (rata-rata)
#153 Granite 4.1 8B none IBM Granite 1 5.2 0/2 706ms
#115 MiMo-V2.5-Pro none Xiaomi 1 5.0 0/2 1.80s
#149 MiMo-V2-Flash none Xiaomi 1 4.9 0/2 2.04s
#101 Qwen3.5 Plus 2026-04-20 none Qwen 1 4.4 0/2 2.08s
#24 Gemini 3.5 Flash minimal Google 1 7.0 1/2 3.39s
#6 Gemini 3.5 Flash medium Google 1 6.8 1/2 9.91s
#100 Owl Alpha medium Openrouter 1 6.6 1/2 19.1s
#114 DeepSeek V3.2 none DeepSeek 1 3.1 0/2 20.9s
#87 Grok 4.1 Fast medium X AI 1 2.3 0/1 23.6s
#63 Claude Opus 4.6 medium Anthropic 1 7.2 1/2 29.4s
#74 Laguna M.1 medium Poolside 1 4.3 0/1 35.6s
#80 DeepSeek V4 Pro high DeepSeek 1 2.8 0/2 51.8s
#96 Nemotron 3 Super medium NVIDIA 1 3.1 0/2 62.4s
#105 Cobuddy medium Baidu 1 4.1 0/2 79.2s
#110 Kimi K2.6 none Moonshot AI 1 6.8 1/2 122.8s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang