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: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

Granite 4.1 8B 3.6

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)
#1	Gemini 3.6 Flash high	Google	10.0	9.9	$0.699	2/2	4.07s
Total Tes 2 Tes Salah 0 Total Biaya $0.699 Waktu respons (rata-rata) 4.07s
#199	Trinity Large Thinking low	Arcee AI	4.4	6.0	$0.625	0/2	4.07s
Total Tes 2 Tes Salah 2 Total Biaya $0.625 Waktu respons (rata-rata) 4.07s
#150	DeepSeek V4 Pro none	DeepSeek	6.3	6.8	$0.220	1/2	4.12s
Total Tes 2 Tes Salah 1 Total Biaya $0.220 Waktu respons (rata-rata) 4.12s
#277	Trinity Large Thinking high	Arcee AI	6.3	4.8	$0.592	1/2	4.12s
Total Tes 2 Tes Salah 1 Total Biaya $0.592 Waktu respons (rata-rata) 4.12s
#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
#21	Claude Opus 5 medium	Anthropic	10.0	9.2	$1.586	2/2	4.16s
Total Tes 2 Tes Salah 0 Total Biaya $1.586 Waktu respons (rata-rata) 4.16s
#282	Hunter Alpha medium	OpenRouter	9.9	4.7	$0.000	2/2	4.18s
Total Tes 2 Tes Salah 0 Total Biaya $0.000 Waktu respons (rata-rata) 4.18s
#237	Mimo V2 Omni none	Xiaomi	6.5	5.5	$0.021	1/2	4.26s
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 4.26s
#68	GLM 5.2 high	Z.ai	10.0	8.0	$1.188	2/2	4.26s
Total Tes 2 Tes Salah 0 Total Biaya $1.188 Waktu respons (rata-rata) 4.26s
#137	Grok 4.20 medium	X AI	9.8	7.0	$0.805	2/2	4.26s
Total Tes 2 Tes Salah 0 Total Biaya $0.805 Waktu respons (rata-rata) 4.26s
#182	MiMo-V2-Flash medium	Xiaomi	10.0	6.3	$0.043	2/2	4.28s
Total Tes 2 Tes Salah 0 Total Biaya $0.043 Waktu respons (rata-rata) 4.28s
#284	Laguna M.1 medium	Poolside	10.0	4.7	$0.033	2/2	4.30s
Total Tes 2 Tes Salah 0 Total Biaya $0.033 Waktu respons (rata-rata) 4.30s
#42	Muse Spark 1.2 medium	Meta	9.8	8.6	$1.339	2/2	4.40s
Total Tes 2 Tes Salah 0 Total Biaya $1.339 Waktu respons (rata-rata) 4.40s
#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
#283	Grok 4.1 Fast medium	X AI	6.5	4.7	$0.069	1/2	4.63s
Total Tes 2 Tes Salah 1 Total Biaya $0.069 Waktu respons (rata-rata) 4.63s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)