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

8.5

Model terbaik

Granite 4.2 8B 3.0

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)
#55	Inkling Small high	Thinkingmachines	9.8	8.4	$0.398	2/2	3.94s
Total Tes 2 Tes Salah 0 Total Biaya $0.398 Waktu respons (rata-rata) 3.94s
#64	Inkling high	Thinkingmachines	9.8	8.0	$1.046	2/2	7.00s
Total Tes 2 Tes Salah 0 Total Biaya $1.046 Waktu respons (rata-rata) 7.00s
#67	DeepSeek V4 Flash 0731 high	DeepSeek	9.8	8.0	$0.084	2/2	4.46s
Total Tes 2 Tes Salah 0 Total Biaya $0.084 Waktu respons (rata-rata) 4.46s
#83	Claude Opus 4.8 low	Anthropic	9.8	7.8	$2.089	2/2	2.78s
Total Tes 2 Tes Salah 0 Total Biaya $2.089 Waktu respons (rata-rata) 2.78s
#95	GPT-5.4 Nano medium	OpenAI	9.8	7.5	$0.142	2/2	1.88s
Total Tes 2 Tes Salah 0 Total Biaya $0.142 Waktu respons (rata-rata) 1.88s
#97	MiniMax M3 medium	Minimax	9.8	7.5	$0.300	2/2	6.14s
Total Tes 2 Tes Salah 0 Total Biaya $0.300 Waktu respons (rata-rata) 6.14s
#103	Grok Build 0.1 medium	X AI	9.8	7.5	$1.130	2/2	12.4s
Total Tes 2 Tes Salah 0 Total Biaya $1.130 Waktu respons (rata-rata) 12.4s
#110	Qwen3.8 2.4T A95B high	Qwen	9.8	7.4	$2.357	2/2	11.4s
Total Tes 2 Tes Salah 0 Total Biaya $2.357 Waktu respons (rata-rata) 11.4s
#114	GLM 5.3 high	Z.ai	9.8	7.3	$0.403	2/2	3.62s
Total Tes 2 Tes Salah 0 Total Biaya $0.403 Waktu respons (rata-rata) 3.62s
#131	Grok 4.3 medium	X AI	9.8	7.0	$0.741	2/2	18.6s
Total Tes 2 Tes Salah 0 Total Biaya $0.741 Waktu respons (rata-rata) 18.6s
#143	Seed-2.0-Code high	Bytedance Seed	9.8	6.9	$1.273	2/2	11.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.273 Waktu respons (rata-rata) 11.3s
#144	Gemini 3.5 Flash none	Google	9.8	6.9	$1.093	2/2	3.38s
Total Tes 2 Tes Salah 0 Total Biaya $1.093 Waktu respons (rata-rata) 3.38s
#149	Solar Pro 4 medium	Upstage	9.8	6.8	$0.047	2/2	40.1s
Total Tes 2 Tes Salah 0 Total Biaya $0.047 Waktu respons (rata-rata) 40.1s
#156	KAT-Coder-Pro V2.5 none	Kwaipilot	9.8	6.7	$0.487	2/2	2.61s
Total Tes 2 Tes Salah 0 Total Biaya $0.487 Waktu respons (rata-rata) 2.61s
#162	Gemini 3.5 Flash Lite low	Google	9.8	6.6	$0.138	2/2	1.75s
Total Tes 2 Tes Salah 0 Total Biaya $0.138 Waktu respons (rata-rata) 1.75s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)