AI BENCHY
Bandingkan Grafik Metodologi
❤️ Made by XCS
Your ad here

Kegagalan kategori AI BENCHY

Pemecahan teka-teki
Tidak mengikuti instruksi

Lihat model AI mana yang paling mungkin mengalami Tidak mengikuti instruksi di Pemecahan teka-teki, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

20

Total kegagalan

24

Model yang paling terdampak

Mercury 2 2
Peringkat Model Perusahaan Jumlah Tidak mengikuti instruksi Skor kategori Tes benar Waktu respons (rata-rata)
#36 Mercury 2 medium Inception 2 1.7 0/3 934ms
#39 gpt-oss-120b medium OpenAI 2 1.7 0/3 11.8s
#49 GLM 4.7 Flash none Z.ai 2 3.7 0/3 1.00s
#50 Qwen3 Coder Next medium Qwen 2 10.0 0/3 2.30s
#3 GPT-5.3-Codex medium OpenAI 1 9.3 2/3 5.12s
#7 Qwen3.5-27B medium Qwen 1 8.3 2/3 64.6s
#9 GPT-5.4 medium OpenAI 1 7.0 2/3 9.13s
#13 Step 3.5 Flash medium Stepfun 1 4.0 1/3 7.72s
#27 GPT-5.2 medium OpenAI 1 7.0 2/3 5.47s
#28 Kimi K2.5 medium Moonshot AI 1 4.0 1/3 45.4s
#30 Grok 4.1 Fast medium X AI 1 4.0 1/3 8.08s
#32 GPT-5 Mini medium OpenAI 1 4.3 1/3 14.1s
#34 GPT-5 Nano medium OpenAI 1 4.0 1/3 19.8s
#37 Qwen3.5-Flash none Qwen 1 1.3 0/3 5.90s
#38 Gemini 2.5 Flash none Google 1 4.7 1/3 576ms
#41 Qwen3.5-27B none Qwen 1 6.3 1/3 1.37s
#42 Qwen3.5-35B-A3B none Qwen 1 1.7 0/3 1.34s
#44 GPT-5.4 none OpenAI 1 4.0 1/3 1.52s
#52 GLM 4.7 Flash medium Z.ai 1 10.0 0/3 12.9s
#55 LFM2-24B-A2B none Liquid 1 3.3 0/3 1.69s

Model teratas menurut Jumlah Tidak mengikuti instruksi

Jumlah Tidak mengikuti instruksi vs skor rata-rata

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang