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

0.8

Model terbaik

Minimax M3.1 Flash 0.5

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)
#331	Seed-2.0-Code none	Bytedance Seed	0.6	0.5	$0.257	1/2	1.80s
Total Tes 2 Tes Salah 1 Total Biaya $0.257 Waktu respons (rata-rata) 1.80s
#333	Qwen3.8 27B none	Qwen	0.6	0.5	~$0.010	1/2	582ms
Total Tes 2 Tes Salah 1 Total Biaya ~$0.010 Waktu respons (rata-rata) 582ms
#336	MiMo-V2.6-Flash none	Xiaomi	0.7	0.5	$0.060	1/2	810ms
Total Tes 2 Tes Salah 1 Total Biaya $0.060 Waktu respons (rata-rata) 810ms
#337	Step 3.5 Flash medium	Stepfun	0.8	0.5	$0.105	1/2	4.78s
Total Tes 2 Tes Salah 1 Total Biaya $0.105 Waktu respons (rata-rata) 4.78s
#338	Ember-1 none	Fireworks	0.6	0.5	$0.786	1/2	31.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.786 Waktu respons (rata-rata) 31.0s
#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
#342	Kimi K2.5 none	Moonshot AI	0.7	0.5	$0.262	1/2	2.67s
Total Tes 2 Tes Salah 1 Total Biaya $0.262 Waktu respons (rata-rata) 2.67s
#345	Qwen3.6 35B A3B none	Qwen	0.6	0.5	$0.105	1/2	1.86s
Total Tes 2 Tes Salah 1 Total Biaya $0.105 Waktu respons (rata-rata) 1.86s
#348	Nemotron 3.5 Lightning high	NVIDIA	0.8	0.5	$0.168	1/2	4.98s
Total Tes 2 Tes Salah 1 Total Biaya $0.168 Waktu respons (rata-rata) 4.98s
#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
#353	Mistral Small 4 none	Mistral	0.7	0.5	$0.047	1/2	380ms
Total Tes 2 Tes Salah 1 Total Biaya $0.047 Waktu respons (rata-rata) 380ms
#356	MiMo-V2.5-Pro none	Xiaomi	0.6	0.5	$0.135	1/2	1.03s
Total Tes 2 Tes Salah 1 Total Biaya $0.135 Waktu respons (rata-rata) 1.03s
#359	Mercury 2.5 Preview low	Inception	0.6	0.5	$0.015	1/2	1.60s
Total Tes 2 Tes Salah 1 Total Biaya $0.015 Waktu respons (rata-rata) 1.60s
#362	GPT-4o-mini default	OpenAI	0.6	0.5	$0.024	1/2	1.11s
Total Tes 2 Tes Salah 1 Total Biaya $0.024 Waktu respons (rata-rata) 1.11s
#365	Inkling Small none	Thinkingmachines	0.6	0.5	$0.054	1/2	767ms
Total Tes 2 Tes Salah 1 Total Biaya $0.054 Waktu respons (rata-rata) 767ms

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: 0.0968 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.009566.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya