Peringkat model Kepatuhan instruksi

Lihat model AI mana yang paling baik di Kepatuhan instruksi, mana yang tetap andal, dan di mana kesenjangan terbesar muncul.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

8.6

Model terbaik

Gemini 3 Flash Preview 10.0

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah57 Dengan alasan kegagalan Tidak mengikuti instruksi18 Dengan alasan kegagalan Format tambahan3 Dengan alasan kegagalan Tidak ada jawaban2 Dengan alasan kegagalan Kedaluwarsa1 Dengan alasan kegagalan Kesalahan API1

206/206

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#1	Gemini 3 Flash Preview medium	Google	10.0	9.6	$0.742	2/2	4.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.742 Waktu respons (rata-rata) 4.04s
#2	Gemini 3.5 Flash high	Google	10.0	9.5	$1.976	2/2	3.35s
Total Tes 2 Tes Salah 0 Total Biaya $1.976 Waktu respons (rata-rata) 3.35s
#3	GPT-5.6 Sol low	OpenAI	10.0	9.5	$0.971	2/2	2.27s
Total Tes 2 Tes Salah 0 Total Biaya $0.971 Waktu respons (rata-rata) 2.27s
#4	GPT-5.6 Sol medium	OpenAI	10.0	9.4	$1.316	2/2	2.50s
Total Tes 2 Tes Salah 0 Total Biaya $1.316 Waktu respons (rata-rata) 2.50s
#5	GPT-5.6 Sol high	OpenAI	10.0	9.4	$1.234	2/2	2.73s
Total Tes 2 Tes Salah 0 Total Biaya $1.234 Waktu respons (rata-rata) 2.73s
#7	Gemini 3.1 Pro Preview medium	Google	10.0	9.2	$1.361	2/2	9.56s
Total Tes 2 Tes Salah 0 Total Biaya $1.361 Waktu respons (rata-rata) 9.56s
#8	Qwen3.7 Max medium	Qwen	10.0	9.2	$1.116	2/2	7.46s
Total Tes 2 Tes Salah 0 Total Biaya $1.116 Waktu respons (rata-rata) 7.46s
#10	GPT-5.5 medium	OpenAI	10.0	9.0	$4.137	2/2	3.36s
Total Tes 2 Tes Salah 0 Total Biaya $4.137 Waktu respons (rata-rata) 3.36s
#13	GPT-5.3-Codex medium	OpenAI	10.0	8.9	$0.920	2/2	3.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.920 Waktu respons (rata-rata) 3.04s
#14	Claude Opus 4.8 medium	Anthropic	10.0	8.8	$1.931	2/2	3.32s
Total Tes 2 Tes Salah 0 Total Biaya $1.931 Waktu respons (rata-rata) 3.32s
#15	Claude Opus 4.7 medium	Anthropic	10.0	8.7	$1.477	2/2	1.57s
Total Tes 2 Tes Salah 0 Total Biaya $1.477 Waktu respons (rata-rata) 1.57s
#17	Claude Fable 5 medium	Anthropic	10.0	8.6	$3.478	2/2	5.90s
Total Tes 2 Tes Salah 0 Total Biaya $3.478 Waktu respons (rata-rata) 5.90s
#18	GPT-5.4 medium	OpenAI	10.0	8.5	$1.533	2/2	3.11s
Total Tes 2 Tes Salah 0 Total Biaya $1.533 Waktu respons (rata-rata) 3.11s
#19	Qwen3.6 Max Preview medium	Qwen	10.0	8.4	$1.143	2/2	24.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.143 Waktu respons (rata-rata) 24.3s
#26	GPT-5 Mini medium	OpenAI	10.0	8.1	$0.237	2/2	11.6s
Total Tes 2 Tes Salah 0 Total Biaya $0.237 Waktu respons (rata-rata) 11.6s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)