Peringkat Kepatuhan instruksi x Jawaban salah

Kegagalan kategori AI BENCHY

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Kepatuhan instruksi, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Alasan kegagalan

Jawaban salah53 Tidak mengikuti instruksi11 Format tambahan2 Tidak ada jawaban2 Kesalahan API1

Kategori

Spesifik domain314 Trik anti-AI245 Pemrograman194 Pemecahan teka-teki147 Pengetahuan umum130 Kepatuhan instruksi53 Gabungan52 Parsing dan ekstraksi data35 Kecerdasan umum32 Pemanggilan alat2

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Tes benar	Waktu respons (rata-rata)
#134	GLM 5 Turbo none	Z.ai	1	6.5	1/2	2.13s
#135	Kimi K2.5 none	Moonshot AI	1	6.5	1/2	2.67s
#140	Qwen3 Coder Next none	Qwen	1	6.3	1/2	7.78s
#141	Nemotron 3 Super none	NVIDIA	1	6.3	1/2	804ms
#142	Mistral Small 4 none	Mistral	1	6.5	1/2	380ms
#143	MiMo-V2.5 none	Xiaomi	1	6.5	1/2	751ms
#144	GPT-5.4 Mini none	OpenAI	1	6.3	1/2	728ms
#145	Laguna M.1 none	Poolside	1	6.3	1/2	683ms
#146	Laguna Xs.2 none	Poolside	1	6.5	1/2	439ms
#147	GPT-4o-mini none	OpenAI	1	6.3	1/2	1.11s
#148	GPT-5.4 Nano none	OpenAI	1	6.3	1/2	784ms
#150	Qwen3 Coder Next medium	Qwen	1	6.3	1/2	7.49s
#151	Trinity Large Preview none	Arcee AI	1	3.5	0/2	822ms
#152	MiMo-V2-Flash none	Xiaomi	1	6.5	1/2	857ms
#153	Qwen3.6 35B A3B none	Qwen	1	6.2	1/2	1.86s

←

1 2 3 4

→

Model teratas menurut Jumlah Jawaban salah