Kegagalan kategori AI BENCHY
Kepatuhan instruksi
Tidak mengikuti instruksi
Kepatuhan instruksi
Tidak mengikuti instruksi
Lihat model AI mana yang paling mungkin mengalami Tidak mengikuti instruksi di Kepatuhan instruksi, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Waktu respons (rata-rata) ↓.
Model yang ditampilkan
9
Total kegagalan
9
Model yang paling terdampak
Gemini 3.1 Flash Lite Preview 1Alasan kegagalan terkait
Kategori terkait
| Peringkat | Model | Perusahaan | Jumlah Tidak mengikuti instruksi | Skor kategori | Tes benar | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|
| #8 | Gemini 3.1 Flash Lite Preview high | 1 | 9.0 | 1/2 | 70.1s | |
| #32 | GPT-5 Mini medium | OpenAI | 1 | 7.5 | 1/2 | 15.7s |
| #34 | GPT-5 Nano medium | OpenAI | 1 | 9.0 | 1/2 | 11.9s |
| #50 | Qwen3 Coder Next medium | Qwen | 1 | 4.5 | 0/2 | 7.34s |
| #30 | Grok 4.1 Fast medium | X AI | 1 | 5.5 | 1/2 | 5.30s |
| #13 | Step 3.5 Flash medium | Stepfun | 1 | 9.0 | 1/2 | 4.98s |
| #43 | MiniMax M2.5 medium | Minimax | 1 | 8.0 | 1/2 | 4.64s |
| #47 | GPT-4o-mini none | OpenAI | 1 | 4.5 | 0/2 | 1.27s |
| #45 | Trinity Large Preview none | Arcee AI | 1 | 3.5 | 0/2 | 1.09s |