AI BENCHY
Advertise here

Kategori AI BENCHY

Peringkat Kepatuhan instruksi

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

Model yang ditampilkan

13

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

Grok 4.1 Fast 3.0

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah53 Dengan alasan kegagalan Tidak mengikuti instruksi11 Dengan alasan kegagalan Format tambahan2 Dengan alasan kegagalan Tidak ada jawaban2 Dengan alasan kegagalan Kesalahan API1
Peringkat Model Perusahaan Skor Kepatuhan instruksi Skor Tes benar Waktu respons (rata-rata)
#83 Step 3.5 Flash none Stepfun 10.0 6.6 1/1 9.30s
#87 Gemini 3.1 Flash Lite minimal Google 10.0 6.4 2/2 932ms
#89 Hy3 preview low Tencent 10.0 6.4 2/2 16.0s
#90 Gemini 3.1 Flash Lite none Google 10.0 6.4 2/2 859ms
#92 Laguna M.1 medium Poolside 10.0 6.4 2/2 4.30s
#95 Qwen3.5 Plus 2026-02-15 none Qwen 10.0 6.3 2/2 1.67s
#97 Gemini 2.5 Flash none Google 10.0 6.2 2/2 590ms
#98 GLM 5 none Z.ai 10.0 6.1 2/2 1.48s
#103 DeepSeek V4 Pro high DeepSeek 10.0 6.0 2/2 41.2s
#104 Nemotron 3 Ultra 550b A55b none NVIDIA 10.0 6.0 2/2 1.46s
#107 Laguna Xs.2 medium Poolside 10.0 5.8 2/2 1.68s
#110 Seed-2.0-Lite none Bytedance Seed 10.0 5.8 2/2 1.06s
#133 DeepSeek V3.2 none DeepSeek 10.0 5.2 2/2 1.52s

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)