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

8.5

Model terbaik

Qwen3.7 Flash 5.8

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)
#108	GPT-5.6 Luna medium	OpenAI	9.9	7.4	$0.072	2/2	2.38s
Total Tes 2 Tes Salah 0 Total Biaya $0.072 Waktu respons (rata-rata) 2.38s
#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
#111	Grok 4.6 low	X AI	9.8	7.4	$0.449	2/2	6.64s
Total Tes 2 Tes Salah 0 Total Biaya $0.449 Waktu respons (rata-rata) 6.64s
#112	Gemini 3 Flash Preview low	Google	9.9	7.4	$0.185	2/2	7.02s
Total Tes 2 Tes Salah 0 Total Biaya $0.185 Waktu respons (rata-rata) 7.02s
#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
#115	KAT-Coder-Pro V2.5 low	Kwaipilot	10.0	7.3	$0.400	2/2	2.53s
Total Tes 2 Tes Salah 0 Total Biaya $0.400 Waktu respons (rata-rata) 2.53s
#116	GLM 5.3 Flash high	Z.ai	10.0	7.3	$0.029	2/2	2.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.029 Waktu respons (rata-rata) 2.06s
#117	Gemini 3.1 Flash Lite medium	Google	9.9	7.3	$0.120	2/2	2.59s
Total Tes 2 Tes Salah 0 Total Biaya $0.120 Waktu respons (rata-rata) 2.59s
#120	Claude Opus 4.8 none	Anthropic	9.9	7.3	$1.166	2/2	1.37s
Total Tes 2 Tes Salah 0 Total Biaya $1.166 Waktu respons (rata-rata) 1.37s
#121	Kimi K2.6 medium	Moonshot AI	10.0	7.2	$1.247	2/2	12.5s
Total Tes 2 Tes Salah 0 Total Biaya $1.247 Waktu respons (rata-rata) 12.5s
#122	KAT-Coder-Pro V2.5 high	Kwaipilot	9.9	7.2	$0.506	2/2	2.67s
Total Tes 2 Tes Salah 0 Total Biaya $0.506 Waktu respons (rata-rata) 2.67s
#124	Qwen3.5 Plus 2026-04-20 medium	Qwen	10.0	7.2	$0.323	2/2	20.2s
Total Tes 2 Tes Salah 0 Total Biaya $0.323 Waktu respons (rata-rata) 20.2s
#126	Muse Glimmer 30B medium	Meta	9.8	7.2	$0.211	2/2	5.34s
Total Tes 2 Tes Salah 0 Total Biaya $0.211 Waktu respons (rata-rata) 5.34s
#127	Qwen3.5-122B-A10B medium	Qwen	10.0	7.1	$1.207	2/2	9.88s
Total Tes 2 Tes Salah 0 Total Biaya $1.207 Waktu respons (rata-rata) 9.88s
#129	Step 3.7 Flash low	Stepfun	9.8	7.1	$0.390	2/2	1.58s
Total Tes 2 Tes Salah 0 Total Biaya $0.390 Waktu respons (rata-rata) 1.58s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)