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: Total Biaya ↑.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

0.8

Model terbaik

Ling 3.1 Flash 1.0

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)
#322	Qwen3.5-35B-A3B none	Qwen	0.6	0.6	$0.120	1/2	809ms
Total Tes 2 Tes Salah 1 Total Biaya $0.120 Waktu respons (rata-rata) 809ms
#232	Mercury 2 medium	Inception	1.0	0.7	$0.121	2/2	1.07s
Total Tes 2 Tes Salah 0 Total Biaya $0.121 Waktu respons (rata-rata) 1.07s
#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
#192	MiMo-V2.5 medium	Xiaomi	1.0	0.7	$0.130	2/2	1.80s
Total Tes 2 Tes Salah 0 Total Biaya $0.130 Waktu respons (rata-rata) 1.80s
#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
#374	Hy3 preview high	Tencent	1.0	0.5	$0.135	2/2	34.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.135 Waktu respons (rata-rata) 34.4s
#300	Qwen3.6 Flash none	Qwen	0.6	0.6	$0.139	1/2	1.10s
Total Tes 2 Tes Salah 1 Total Biaya $0.139 Waktu respons (rata-rata) 1.10s
#44	Claude Haiku 5.5 xhigh	Anthropic	1.0	0.9	$0.140	2/2	3.34s
Total Tes 2 Tes Salah 0 Total Biaya $0.140 Waktu respons (rata-rata) 3.34s
#321	GLM 5 none	Z.ai	1.0	0.6	$0.140	2/2	1.48s
Total Tes 2 Tes Salah 0 Total Biaya $0.140 Waktu respons (rata-rata) 1.48s
#157	Seed-2.0-Mini medium	Bytedance Seed	1.0	0.8	$0.140	2/2	17.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.140 Waktu respons (rata-rata) 17.5s
#206	Gemma 4 31B medium	Google	1.0	0.7	$0.144	2/2	12.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.144 Waktu respons (rata-rata) 12.8s
#367	Laguna S 2.1 high	Poolside	0.5	0.5	$0.145	0/2	453ms
Total Tes 2 Tes Salah 2 Total Biaya $0.145 Waktu respons (rata-rata) 453ms
#262	Qwen3.6 27B none	Qwen	0.6	0.6	$0.148	1/2	1.92s
Total Tes 2 Tes Salah 1 Total Biaya $0.148 Waktu respons (rata-rata) 1.92s
#115	DeepSeek V4 Pro 0423 high	DeepSeek	0.8	0.8	$0.149	1/2	8.73s
Total Tes 2 Tes Salah 1 Total Biaya $0.149 Waktu respons (rata-rata) 8.73s
#274	DeepSeek V4 Flash 0423 none	DeepSeek	0.7	0.6	$0.149	1/2	17.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.149 Waktu respons (rata-rata) 17.5s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)