Peringkat model Kepatuhan instruksi

Lihat model AI mana yang paling baik di Kepatuhan instruksi, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Tes benar ↑.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

Qwen3.7 Flash 5.8

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah82 Dengan alasan kegagalan Tidak mengikuti instruksi48 Dengan alasan kegagalan Format tambahan7 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Kesalahan API2 Dengan alasan kegagalan Tidak ada jawaban2

316/316

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#10	Gemini 3 Flash Preview medium	Google	10.0	9.5	$0.763	2/2	4.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.763 Waktu respons (rata-rata) 4.04s
#11	Gemini 3.5 Flash high	Google	10.0	9.4	$2.011	2/2	3.35s
Total Tes 2 Tes Salah 0 Total Biaya $2.011 Waktu respons (rata-rata) 3.35s
#12	Gemini 3.7 Flash medium	Google	10.0	9.4	$0.309	2/2	2.81s
Total Tes 2 Tes Salah 0 Total Biaya $0.309 Waktu respons (rata-rata) 2.81s
#13	GPT-5.6 Sol medium	OpenAI	10.0	9.4	$0.508	2/2	2.50s
Total Tes 2 Tes Salah 0 Total Biaya $0.508 Waktu respons (rata-rata) 2.50s
#14	GPT-6 Astra medium	OpenAI	10.0	9.4	$1.774	2/2	2.86s
Total Tes 2 Tes Salah 0 Total Biaya $1.774 Waktu respons (rata-rata) 2.86s
#15	GPT-5.6 Sol high	OpenAI	10.0	9.4	$0.446	2/2	2.73s
Total Tes 2 Tes Salah 0 Total Biaya $0.446 Waktu respons (rata-rata) 2.73s
#16	GPT-5.5 low	OpenAI	9.9	9.3	$1.257	2/2	3.74s
Total Tes 2 Tes Salah 0 Total Biaya $1.257 Waktu respons (rata-rata) 3.74s
#17	Grok 4.6 high	X AI	9.8	9.3	$1.908	2/2	13.8s
Total Tes 2 Tes Salah 0 Total Biaya $1.908 Waktu respons (rata-rata) 13.8s
#18	Gemini 3.1 Pro Preview medium	Google	10.0	9.2	$1.352	2/2	9.56s
Total Tes 2 Tes Salah 0 Total Biaya $1.352 Waktu respons (rata-rata) 9.56s
#19	Gemini 3.7 Flash low	Google	10.0	9.2	$0.207	2/2	2.47s
Total Tes 2 Tes Salah 0 Total Biaya $0.207 Waktu respons (rata-rata) 2.47s
#20	Claude Opus 5 high	Anthropic	10.0	9.2	$3.070	2/2	4.78s
Total Tes 2 Tes Salah 0 Total Biaya $3.070 Waktu respons (rata-rata) 4.78s
#21	Claude Opus 5 medium	Anthropic	10.0	9.2	$1.586	2/2	4.16s
Total Tes 2 Tes Salah 0 Total Biaya $1.586 Waktu respons (rata-rata) 4.16s
#22	Gemini 3.8 Flash medium	Google	10.0	9.1	$0.653	2/2	4.81s
Total Tes 2 Tes Salah 0 Total Biaya $0.653 Waktu respons (rata-rata) 4.81s
#23	Seed 2.1 Turbo low	Bytedance Seed	9.8	9.1	$1.546	2/2	5.05s
Total Tes 2 Tes Salah 0 Total Biaya $1.546 Waktu respons (rata-rata) 5.05s
#24	Qwen3.7 Max medium	Qwen	10.0	9.1	$1.157	2/2	7.46s
Total Tes 2 Tes Salah 0 Total Biaya $1.157 Waktu respons (rata-rata) 7.46s

←

1 9 10 11 22

→

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)