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: Metrik ↑.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

0.8

Model terbaik

Gemini 3 Flash Preview 0.0

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah118 Dengan alasan kegagalan Tidak mengikuti instruksi82 Dengan alasan kegagalan Kesalahan API25 Dengan alasan kegagalan Format tambahan8 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Tidak ada jawaban2

461/461

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#418	Ling 3.0 Tiny low	Inclusionai	0.7	0.4	$0.000	1/2	3.09s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 3.09s
#419	Ling 3.0 Tiny medium	Inclusionai	0.7	0.4	$0.000	1/2	3.00s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 3.00s
#417	Ling 3.0 Tiny high	Inclusionai	0.7	0.4	$0.000	1/2	3.10s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 3.10s
#372	Hy4 preview none	Tencent	0.7	0.5	$0.165	1/2	47.9s
Total Tes 2 Tes Salah 1 Total Biaya $0.165 Waktu respons (rata-rata) 47.9s
#205	Ember-1 high	Fireworks	0.7	0.7	$2.405	1/2	33.4s
Total Tes 2 Tes Salah 1 Total Biaya $2.405 Waktu respons (rata-rata) 33.4s
#304	Qwen3.8 Flash Next none	Qwen	0.7	0.6	~$0.011	1/2	612ms
Total Tes 2 Tes Salah 1 Total Biaya ~$0.011 Waktu respons (rata-rata) 612ms
#340	GPT-5.6 Luna none	OpenAI	0.7	0.5	$0.042	1/2	1.23s
Total Tes 2 Tes Salah 1 Total Biaya $0.042 Waktu respons (rata-rata) 1.23s
#153	GPT-6 Luna low	OpenAI	0.7	0.8	$0.033	1/2	17.4s
Total Tes 2 Tes Salah 1 Total Biaya $0.033 Waktu respons (rata-rata) 17.4s
#324	Nemotron 3 Super medium	NVIDIA	0.7	0.6	$0.081	1/2	6.97s
Total Tes 2 Tes Salah 1 Total Biaya $0.081 Waktu respons (rata-rata) 6.97s
#438	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	0.7	0.3	$0.000	1/2	1.37s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 1.37s
#80	Muse Spark 1.1 low	Meta	0.7	0.9	$0.885	1/2	5.42s
Total Tes 2 Tes Salah 1 Total Biaya $0.885 Waktu respons (rata-rata) 5.42s
#68	Muse Spark Open medium	Meta	0.7	0.9	$1.260	1/2	18.4s
Total Tes 2 Tes Salah 1 Total Biaya $1.260 Waktu respons (rata-rata) 18.4s
#171	Claude Fable 5.1 medium	Anthropic	0.7	0.7	$3.197	1/2	5.77s
Total Tes 2 Tes Salah 1 Total Biaya $3.197 Waktu respons (rata-rata) 5.77s
#198	Step 5 Preview high	Stepfun	0.7	0.7	$4.513	1/2	20.5s
Total Tes 2 Tes Salah 1 Total Biaya $4.513 Waktu respons (rata-rata) 20.5s
#352	Mistral Small 4 medium	Mistral	0.7	0.5	$0.126	1/2	1.38s
Total Tes 2 Tes Salah 1 Total Biaya $0.126 Waktu respons (rata-rata) 1.38s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biayaPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 0.1095 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.010823.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya