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.
Alasan kegagalan
| Peringkat | Model | Perusahaan | Jumlah Tidak mengikuti instruksi | Skor kategori | Tes benar | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|
| #57 | GPT-5 Nano medium | OpenAI | 1 | 4.1 | 0/1 | 17.5s |
| #58 | GLM 5V Turbo none | Z.ai | 1 | 4.6 | 0/1 | 2.22s |
| #60 | Gemma 4 26B A4B none | 1 | 4.0 | 0/1 | 3.54s | |
| #63 | Qwen3.5-35B-A3B none | Qwen | 1 | 6.5 | 0/1 | 1.19s |
| #65 | MiMo-V2-Pro none | Xiaomi | 1 | 4.3 | 0/1 | 2.44s |
| #67 | Qwen3.5-27B none | Qwen | 1 | 5.0 | 0/1 | 2.51s |
| #68 | gpt-oss-120b medium | OpenAI | 1 | 4.3 | 0/1 | 7.90s |
| #69 | Kimi K2.6 none | Moonshot AI | 1 | 5.4 | 0/1 | 1.55s |
| #70 | Qwen3.5-122B-A10B none | Qwen | 1 | 5.0 | 0/1 | 1.12s |
| #71 | MiniMax M2.5 medium | Minimax | 1 | 3.8 | 0/1 | 6.63s |
| #72 | Hunter Alpha none | OpenRouter | 1 | 6.1 | 0/1 | 2.71s |
| #73 | Mistral Small 4 medium | Mistral | 1 | 4.8 | 0/1 | 2.05s |
| #77 | GLM 5 Turbo none | Z.ai | 1 | 4.2 | 0/1 | 2.18s |
| #78 | Trinity Large Preview none | Arcee AI | 1 | 4.4 | 0/1 | 2.86s |
| #79 | Grok 4.20 Beta none | X AI | 1 | 5.0 | 0/1 | 541ms |