AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Kegagalan kategori AI BENCHY

Kecerdasan umum: Tidak mengikuti instruksi

Kecerdasan umum
Tidak mengikuti instruksi

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

Model yang ditampilkan

15

Total kegagalan

74

Model yang paling terdampak

LFM2-24B-A2B 1
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor kategori Tes benar Waktu respons (rata-rata)
#160 LFM2-24B-A2B none Liquid 1 4.0 0/1 395ms
#106 Grok 4.20 Beta none X AI 1 5.0 0/1 541ms
#154 Qwen3.5-9B none Qwen 1 4.4 0/1 552ms
#155 Mercury 2 none Inception 1 4.8 0/1 628ms
#58 Gemini 3.1 Flash Lite Preview none Google 1 4.0 0/1 741ms
#87 Gemini 3.1 Flash Lite minimal Google 1 4.0 0/1 791ms
#81 Mercury 2 medium Inception 1 4.8 0/1 821ms
#137 Elephant Alpha none Openrouter 1 4.0 0/1 854ms
#151 Trinity Large Preview none Arcee AI 1 4.5 0/1 873ms
#136 Elephant Alpha medium Openrouter 1 4.3 0/1 920ms
#118 Qwen3.6 27B none Qwen 1 5.2 0/1 1.07s
#157 Grok 4.1 Fast none X AI 1 4.4 0/1 1.08s
#131 Qwen3.5-122B-A10B none Qwen 1 5.0 0/1 1.12s
#117 Qwen3.5-35B-A3B none Qwen 1 6.5 0/1 1.19s
#148 GPT-5.4 Nano none OpenAI 1 3.8 0/1 1.31s

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