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.

Model yang ditampilkan

15

Total kegagalan

53

Model yang paling terdampak

Gemini 3.5 Flash 1
Peringkat Model Perusahaan Jumlah Jawaban salah Skor kategori Tes benar Waktu respons (rata-rata)
#115 Qwen3.5-27B none Qwen 1 6.3 1/2 1.03s
#116 Hunter Alpha none OpenRouter 1 6.4 1/2 2.82s
#117 Qwen3.5-35B-A3B none Qwen 1 6.3 1/2 809ms
#118 Qwen3.6 27B none Qwen 1 6.2 1/2 1.92s
#120 Mimo V2 PRO none Xiaomi 1 6.5 1/2 2.51s
#121 Owl Alpha none Openrouter 1 6.4 1/2 2.63s
#122 GLM 4.7 Flash none Z.ai 1 6.5 1/2 888ms
#123 MiMo-V2.5-Pro none Xiaomi 1 6.4 1/2 1.03s
#124 Kimi K2.6 none Moonshot AI 1 6.5 1/2 1.64s
#125 GPT-5.4 none OpenAI 1 6.5 1/2 1.07s
#127 Grok 4.20 none X AI 1 6.3 1/2 445ms
#128 Qwen3.6 Flash none Qwen 1 6.3 1/2 1.10s
#130 MiniMax M2.7 medium Minimax 1 3.8 0/2 12.8s
#131 Qwen3.5-122B-A10B none Qwen 1 6.3 1/2 513ms
#132 Mistral Small 4 medium Mistral 1 7.3 1/2 1.38s

Model teratas menurut Jumlah Jawaban salah

Jumlah Jawaban salah vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang