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

0.8

Model terbaik

Gemini 3 Flash Preview 0.0

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)
#42	Qwen3.8 Max (0902) high	Qwen	1.0	0.9	$3.306	2/2	7.55s
Total Tes 2 Tes Salah 0 Total Biaya $3.306 Waktu respons (rata-rata) 7.55s
#48	Seed 2.1 Turbo high	Bytedance Seed	1.0	0.9	$1.892	2/2	7.66s
Total Tes 2 Tes Salah 0 Total Biaya $1.892 Waktu respons (rata-rata) 7.66s
#54	Gemini 3.5 Flash Lite high	Google	1.0	0.9	$0.624	2/2	2.16s
Total Tes 2 Tes Salah 0 Total Biaya $0.624 Waktu respons (rata-rata) 2.16s
#60	Muse Spark 1.2 high	Meta	1.0	0.9	$2.018	2/2	5.43s
Total Tes 2 Tes Salah 0 Total Biaya $2.018 Waktu respons (rata-rata) 5.43s
#61	Muse Spark 1.2 medium	Meta	1.0	0.9	$1.590	2/2	4.40s
Total Tes 2 Tes Salah 0 Total Biaya $1.590 Waktu respons (rata-rata) 4.40s
#72	Muse Spark 1.2 low	Meta	1.0	0.9	$0.881	2/2	2.95s
Total Tes 2 Tes Salah 0 Total Biaya $0.881 Waktu respons (rata-rata) 2.95s
#74	Qwen3.8 27B high	Qwen	1.0	0.9	~$0.298	2/2	8.24s
Total Tes 2 Tes Salah 0 Total Biaya ~$0.298 Waktu respons (rata-rata) 8.24s
#76	Seed 2.1 Turbo medium	Bytedance Seed	1.0	0.9	$2.042	2/2	7.48s
Total Tes 2 Tes Salah 0 Total Biaya $2.042 Waktu respons (rata-rata) 7.48s
#83	Claude Haiku 5.5 low	Anthropic	1.0	0.9	$0.061	2/2	2.20s
Total Tes 2 Tes Salah 0 Total Biaya $0.061 Waktu respons (rata-rata) 2.20s
#85	Grok 4.6 high	X AI	1.0	0.9	$2.629	2/2	13.8s
Total Tes 2 Tes Salah 0 Total Biaya $2.629 Waktu respons (rata-rata) 13.8s
#86	Muse Spark 1.3 low	Meta	1.0	0.9	$0.911	2/2	5.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.911 Waktu respons (rata-rata) 5.04s
#91	Qwen3.8 2.4T A95B low	Qwen	1.0	0.8	$4.016	2/2	19.5s
Total Tes 2 Tes Salah 0 Total Biaya $4.016 Waktu respons (rata-rata) 19.5s
#105	Ling 3.1 Flash medium	Inclusionai	1.0	0.8	$0.000	2/2	3.57s
Total Tes 2 Tes Salah 0 Total Biaya $0.000 Waktu respons (rata-rata) 3.57s
#109	Grok 4.5 high	X AI	1.0	0.8	$2.687	2/2	6.23s
Total Tes 2 Tes Salah 0 Total Biaya $2.687 Waktu respons (rata-rata) 6.23s
#114	Seed-2.0-Code low	Bytedance Seed	1.0	0.8	$0.881	2/2	12.2s
Total Tes 2 Tes Salah 0 Total Biaya $0.881 Waktu respons (rata-rata) 12.2s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biayaPerkiraan hanya mencakup listrik GPU. Komponen komputer lain dan biaya kepemilikan perangkat keras tidak termasuk. NVIDIA GeForce RTX 3090: 3.0102 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.297613.

Model teratas menurut Waktu respons (rata-rata)

Skor Kepatuhan instruksi vs total biaya