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)
#387	Nemotron 3.5 Lightning low	NVIDIA	0.8	0.5	$0.175	1/2	5.46s
Total Tes 2 Tes Salah 1 Total Biaya $0.175 Waktu respons (rata-rata) 5.46s
#388	Owl Alpha medium	Openrouter	0.7	0.5	$0.000	1/2	10.2s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 10.2s
#389	Mimo V2 PRO default	Xiaomi	0.7	0.5	$0.045	1/2	2.51s
Total Tes 2 Tes Salah 1 Total Biaya $0.045 Waktu respons (rata-rata) 2.51s
#390	Owl Alpha default	Openrouter	0.6	0.5	$0.000	1/2	2.63s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 2.63s
#394	Mimo V2 Omni default	Xiaomi	0.7	0.4	$0.021	1/2	4.26s
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 4.26s
#395	Nemotron 3 Super none	NVIDIA	0.6	0.4	$0.016	1/2	804ms
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 804ms
#400	Mercury 2 none	Inception	0.7	0.4	$0.033	1/2	551ms
Total Tes 2 Tes Salah 1 Total Biaya $0.033 Waktu respons (rata-rata) 551ms
#402	MiniMax M2.5 medium	Minimax	0.8	0.4	$0.440	1/2	621ms
Total Tes 2 Tes Salah 1 Total Biaya $0.440 Waktu respons (rata-rata) 621ms
#403	GLM 4.7 Flash medium	Z.ai	0.6	0.4	$0.193	1/2	2.97s
Total Tes 2 Tes Salah 1 Total Biaya $0.193 Waktu respons (rata-rata) 2.97s
#405	GLM 5 Turbo none	Z.ai	0.7	0.4	$0.047	1/2	2.13s
Total Tes 2 Tes Salah 1 Total Biaya $0.047 Waktu respons (rata-rata) 2.13s
#407	Qwen3.6 Plus Preview medium	Qwen	0.7	0.4	$0.000	1/2	3.40s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 3.40s
#408	Qwen3.5-9B medium	Qwen	0.7	0.4	$0.106	1/2	5.75s
Total Tes 2 Tes Salah 1 Total Biaya $0.106 Waktu respons (rata-rata) 5.75s
#411	Grok 4.1 Fast medium	X AI	0.7	0.4	$0.069	1/2	4.63s
Total Tes 2 Tes Salah 1 Total Biaya $0.069 Waktu respons (rata-rata) 4.63s
#415	Nemotron 3.5 Lightning none	NVIDIA	0.7	0.4	$0.009	1/2	511ms
Total Tes 2 Tes Salah 1 Total Biaya $0.009 Waktu respons (rata-rata) 511ms
#417	Ling 3.0 Tiny high	Inclusionai	0.7	0.4	$0.000	1/2	3.10s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 3.10s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)