Peringkat Pemanggilan alat x Tidak mengikuti instruksi

Kegagalan kategori AI BENCHY

Lihat model AI mana yang paling mungkin mengalami Tidak mengikuti instruksi di Pemanggilan alat, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Alasan kegagalan

Kesalahan API6 Tidak mengikuti instruksi6 Pemanggilan alat tidak valid3 Jawaban salah2 Tidak ada jawaban2

Kategori

Pemecahan teka-teki75 Kecerdasan umum58 Kepatuhan instruksi22 Trik anti-AI17 Pemanggilan alat6 Pemrograman2

Peringkat	Model	Perusahaan	Jumlah Tidak mengikuti instruksi	Skor kategori	Tes benar	Waktu respons (rata-rata)
#25	Grok 4.20 Beta medium	X AI	1	3.0	0/1	12.4s
#44	GPT-5.4 Mini medium	OpenAI	1	4.7	0/1	9.62s
#47	Grok 4.20 medium	X AI	1	3.0	0/1	13.7s
#80	MiniMax M2.7 medium	Minimax	1	4.7	0/1	12.0s
#86	GPT-5.4 Mini none	OpenAI	1	3.0	0/1	2.32s
#88	Nemotron 3 Super none	NVIDIA	1	4.7	0/1	16.0s

Model teratas menurut Jumlah Tidak mengikuti instruksi