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

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: Tes benar ↑.

Model yang ditampilkan

15

Total kegagalan

44

Model yang paling terdampak

Gemma 4 26B A4B 1
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#60 Gemma 4 26B A4B none Google 1 4.4 0/2 1.08s
#67 Qwen3.5-27B none Qwen 2 4.8 0/2 815ms
#70 Qwen3.5-122B-A10B none Qwen 2 4.5 0/2 585ms
#78 Trinity Large Preview none Arcee AI 1 4.1 0/2 1.09s
#79 Grok 4.20 Beta none X AI 1 4.8 0/2 687ms
#80 MiniMax M2.7 medium Minimax 1 3.7 0/2 12.6s
#82 Grok 4.20 none X AI 1 4.8 0/2 455ms
#87 Qwen3 Coder Next none Qwen 2 4.8 0/2 7.71s
#88 Nemotron 3 Super none NVIDIA 1 4.9 0/2 1.50s
#89 GPT-4o-mini none OpenAI 1 4.8 0/2 1.27s
#92 Qwen3 Coder Next medium Qwen 1 4.8 0/2 7.34s
#95 Grok 4.1 Fast none X AI 2 3.0 0/2 923ms
#96 GPT-5.4 Nano none OpenAI 1 5.0 0/2 787ms
#98 LFM2-24B-A2B none Liquid 2 4.8 0/2 1.09s
#21 Gemini 3 Flash Preview none Google 1 6.4 1/2 1.58s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang