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.

Model yang ditampilkan

15

Total kegagalan

44

Model yang paling terdampak

Qwen3.5-27B 2
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#62 Gemini 2.5 Flash none Google 1 8.0 1/2 672ms
#63 Qwen3.5-35B-A3B none Qwen 1 6.3 1/2 809ms
#65 MiMo-V2-Pro none Xiaomi 1 6.5 1/2 2.51s
#66 GPT-5.4 none OpenAI 1 6.5 1/2 1.07s
#69 Kimi K2.6 none Moonshot AI 1 6.5 1/2 1.64s
#72 Hunter Alpha none OpenRouter 1 6.4 1/2 2.82s
#73 Mistral Small 4 medium Mistral 1 7.3 1/2 1.38s
#74 GLM 4.7 Flash none Z.ai 1 6.5 1/2 888ms
#76 Kimi K2.5 none Moonshot AI 1 6.5 1/2 2.67s
#77 GLM 5 Turbo none Z.ai 1 6.5 1/2 2.13s
#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
#83 Mistral Small 4 none Mistral 1 6.5 1/2 380ms

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang