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)
#154	Qwen3.5-9B none	Qwen	1	6.5	1/2	514ms
#155	Mercury 2 none	Inception	1	6.5	1/2	551ms
#157	Grok 4.1 Fast none	X AI	1	3.0	0/2	685ms
#158	GLM 4.7 Flash medium	Z.ai	1	6.2	1/2	2.97s
#159	Ling-2.6-1T none	Inclusionai	1	6.4	1/2	5.36s
#160	LFM2-24B-A2B none	Liquid	1	6.3	1/2	752ms
#162	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	1	4.8	0/2	541ms
#163	Granite 4.1 8B none	IBM Granite	1	3.6	0/2	344ms

←

1 2 3 4

Model teratas menurut Jumlah Jawaban salah