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: Tes benar ↓.
Alasan kegagalan
| Peringkat | Model | Perusahaan | Jumlah Tidak mengikuti instruksi | Skor kategori | Tes benar | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|
| #15 | GPT-5.3-Codex medium | OpenAI | 1 | 4.6 | 0/1 | 4.87s |
| #17 | GLM 5 medium | Z.ai | 1 | 6.1 | 0/1 | 14.7s |
| #19 | Seed-2.0-Lite medium | Bytedance Seed | 1 | 6.7 | 0/1 | 18.2s |
| #21 | GPT-5.4 medium | OpenAI | 1 | 4.7 | 0/1 | 4.92s |
| #24 | GPT-5.2 Chat none | OpenAI | 1 | 4.4 | 0/1 | 3.20s |
| #26 | Qwen3.6 Plus medium | Qwen | 1 | 5.1 | 0/1 | 27.1s |
| #28 | Gemini 2.5 Flash medium | 1 | 4.8 | 0/1 | 4.86s | |
| #30 | Qwen3.5-27B medium | Qwen | 1 | 6.1 | 0/1 | 101.4s |
| #31 | DeepSeek V4 Flash high | DeepSeek | 1 | 6.1 | 0/1 | 25.2s |
| #38 | Grok 4.3 medium | X AI | 1 | 5.4 | 0/1 | 24.7s |
| #42 | GPT-5.2 medium | OpenAI | 1 | 3.7 | 0/1 | 4.32s |
| #43 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 5.5 | 0/1 | 4.02s |
| #45 | GPT-5.4 Mini medium | OpenAI | 1 | 4.5 | 0/1 | 3.72s |
| #46 | Qwen3.6 35B A3B medium | Qwen | 1 | 4.4 | 0/1 | 8.66s |
| #49 | Qwen3.5-Flash medium | Qwen | 1 | 6.1 | 0/1 | 40.1s |