AI BENCHY
Your ad here

Kegagalan kategori AI BENCHY

Kepatuhan instruksi: Jawaban salah

Kepatuhan instruksi
Jawaban salah

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

Model yang ditampilkan

15

Total kegagalan

44

Model yang paling terdampak

Mistral Small 4 1
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#83 Mistral Small 4 none Mistral 1 6.5 1/2 380ms
#82 Grok 4.20 none X AI 1 4.8 0/2 455ms
#90 Qwen3.5-9B none Qwen 1 6.5 1/2 514ms
#91 Mercury 2 none Inception 1 6.5 1/2 551ms
#70 Qwen3.5-122B-A10B none Qwen 2 4.5 0/2 585ms
#62 Gemini 2.5 Flash none Google 1 8.0 1/2 672ms
#79 Grok 4.20 Beta none X AI 1 4.8 0/2 687ms
#86 GPT-5.4 Mini none OpenAI 1 6.3 1/2 728ms
#96 GPT-5.4 Nano none OpenAI 1 5.0 0/2 787ms
#63 Qwen3.5-35B-A3B none Qwen 1 6.3 1/2 809ms
#67 Qwen3.5-27B none Qwen 2 4.8 0/2 815ms
#94 MiMo-V2-Flash none Xiaomi 1 6.5 1/2 857ms
#74 GLM 4.7 Flash none Z.ai 1 6.5 1/2 888ms
#95 Grok 4.1 Fast none X AI 2 3.0 0/2 923ms
#66 GPT-5.4 none OpenAI 1 6.5 1/2 1.07s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang