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

Grok 4.1 Fast 3.0

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah61 Dengan alasan kegagalan Tidak mengikuti instruksi18 Dengan alasan kegagalan Format tambahan3 Dengan alasan kegagalan Tidak ada jawaban2 Dengan alasan kegagalan Kedaluwarsa1 Dengan alasan kegagalan Kesalahan API1

210/210

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#113	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
#114	Qwen3.5-Flash medium	Qwen	10.0	6.2	$0.139	2/2	63.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.139 Waktu respons (rata-rata) 63.5s
#116	Seed-2.0-Lite none	Bytedance Seed	10.0	6.2	$0.066	2/2	1.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.066 Waktu respons (rata-rata) 1.06s
#118	Gemini 2.5 Flash none	Google	10.0	6.2	$0.017	2/2	590ms
Total Tes 2 Tes Salah 0 Total Biaya $0.017 Waktu respons (rata-rata) 590ms
#119	Qwen3.5-35B-A3B medium	Qwen	10.0	6.2	$0.837	2/2	24.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.837 Waktu respons (rata-rata) 24.4s
#120	Gemini 3.1 Flash Lite minimal	Google	10.0	6.1	$0.047	2/2	932ms
Total Tes 2 Tes Salah 0 Total Biaya $0.047 Waktu respons (rata-rata) 932ms
#122	Gemini 3.1 Flash Lite none	Google	10.0	6.1	$0.046	2/2	859ms
Total Tes 2 Tes Salah 0 Total Biaya $0.046 Waktu respons (rata-rata) 859ms
#129	Nemotron 3 Ultra none	NVIDIA	10.0	6.1	$0.095	2/2	1.46s
Total Tes 2 Tes Salah 0 Total Biaya $0.095 Waktu respons (rata-rata) 1.46s
#135	Hy3 preview high	Tencent	10.0	5.9	$0.048	2/2	34.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.048 Waktu respons (rata-rata) 34.4s
#141	GLM 5 none	Z.ai	10.0	5.7	$0.041	2/2	1.48s
Total Tes 2 Tes Salah 0 Total Biaya $0.041 Waktu respons (rata-rata) 1.48s
#149	KAT-Coder-Air V2.5 medium	Kwaipilot	10.0	5.6	$0.048	2/2	1.50s
Total Tes 2 Tes Salah 0 Total Biaya $0.048 Waktu respons (rata-rata) 1.50s
#153	Hy3 preview low	Tencent	10.0	5.5	$0.015	2/2	16.0s
Total Tes 2 Tes Salah 0 Total Biaya $0.015 Waktu respons (rata-rata) 16.0s
#173	DeepSeek V3.2 none	DeepSeek	10.0	5.0	$0.054	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $0.054 Waktu respons (rata-rata) 1.52s
#186	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
#198	Laguna Xs.2 medium	Poolside	10.0	4.1	$0.015	2/2	1.68s
Total Tes 2 Tes Salah 0 Total Biaya $0.015 Waktu respons (rata-rata) 1.68s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)