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)
#25	Claude Fable 5.1 high	Anthropic	10.0	9.0	$3.364	2/2	5.60s
Total Tes 2 Tes Salah 0 Total Biaya $3.364 Waktu respons (rata-rata) 5.60s
#26	Gemini 3.5 Flash medium	Google	9.9	9.0	$0.665	2/2	2.70s
Total Tes 2 Tes Salah 0 Total Biaya $0.665 Waktu respons (rata-rata) 2.70s
#27	GPT-5.5 medium	OpenAI	10.0	9.0	$4.163	2/2	3.36s
Total Tes 2 Tes Salah 0 Total Biaya $4.163 Waktu respons (rata-rata) 3.36s
#28	Qwen3.8 Max medium	Qwen	10.0	9.0	$0.771	2/2	3.49s
Total Tes 2 Tes Salah 0 Total Biaya $0.771 Waktu respons (rata-rata) 3.49s
#29	Grok 4.5 high	X AI	9.8	9.0	$2.252	2/2	6.23s
Total Tes 2 Tes Salah 0 Total Biaya $2.252 Waktu respons (rata-rata) 6.23s
#30	GPT-5.3-Codex medium	OpenAI	10.0	8.9	$0.988	2/2	3.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.988 Waktu respons (rata-rata) 3.04s
#32	Seed 2.1 Turbo high	Bytedance Seed	9.8	8.9	$1.797	2/2	7.66s
Total Tes 2 Tes Salah 0 Total Biaya $1.797 Waktu respons (rata-rata) 7.66s
#33	Gemini 3.5 Flash low	Google	9.9	8.8	$0.449	2/2	1.86s
Total Tes 2 Tes Salah 0 Total Biaya $0.449 Waktu respons (rata-rata) 1.86s
#34	Muse Spark 1.3 medium	Meta	9.8	8.8	$1.469	2/2	10.5s
Total Tes 2 Tes Salah 0 Total Biaya $1.469 Waktu respons (rata-rata) 10.5s
#35	Gemini 3.5 Flash Lite high	Google	9.8	8.8	$0.540	2/2	2.16s
Total Tes 2 Tes Salah 0 Total Biaya $0.540 Waktu respons (rata-rata) 2.16s
#36	Claude Opus 4.8 medium	Anthropic	10.0	8.8	$1.983	2/2	3.32s
Total Tes 2 Tes Salah 0 Total Biaya $1.983 Waktu respons (rata-rata) 3.32s
#37	Claude Opus 5 low	Anthropic	10.0	8.7	$1.121	2/2	4.13s
Total Tes 2 Tes Salah 0 Total Biaya $1.121 Waktu respons (rata-rata) 4.13s
#38	Gemini 3.6 Flash low	Google	9.8	8.7	$0.251	2/2	2.82s
Total Tes 2 Tes Salah 0 Total Biaya $0.251 Waktu respons (rata-rata) 2.82s
#39	GLM 5.3 Flash max	Z.ai	9.8	8.7	$0.059	2/2	3.65s
Total Tes 2 Tes Salah 0 Total Biaya $0.059 Waktu respons (rata-rata) 3.65s
#40	Claude Opus 4.7 medium	Anthropic	10.0	8.7	$1.476	2/2	1.57s
Total Tes 2 Tes Salah 0 Total Biaya $1.476 Waktu respons (rata-rata) 1.57s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)