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)
#131	Grok 4.3 medium	X AI	9.8	7.0	$0.741	2/2	18.6s
Total Tes 2 Tes Salah 0 Total Biaya $0.741 Waktu respons (rata-rata) 18.6s
#133	DeepSeek V3.2 medium	DeepSeek	10.0	7.0	$0.078	2/2	35.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.078 Waktu respons (rata-rata) 35.8s
#136	Mercury 2 medium	Inception	10.0	7.0	$0.094	2/2	1.07s
Total Tes 2 Tes Salah 0 Total Biaya $0.094 Waktu respons (rata-rata) 1.07s
#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
#138	Seed-2.0-Mini medium	Bytedance Seed	10.0	7.0	$0.116	2/2	17.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.116 Waktu respons (rata-rata) 17.5s
#139	Kimi K2.5 medium	Moonshot AI	10.0	7.0	$0.479	2/2	92.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.479 Waktu respons (rata-rata) 92.5s
#140	KAT-Coder-Pro V2.5 medium	Kwaipilot	9.9	6.9	$0.478	2/2	2.58s
Total Tes 2 Tes Salah 0 Total Biaya $0.478 Waktu respons (rata-rata) 2.58s
#143	Seed-2.0-Code high	Bytedance Seed	9.8	6.9	$1.273	2/2	11.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.273 Waktu respons (rata-rata) 11.3s
#144	Gemini 3.5 Flash none	Google	9.8	6.9	$1.093	2/2	3.38s
Total Tes 2 Tes Salah 0 Total Biaya $1.093 Waktu respons (rata-rata) 3.38s
#145	Qwen3.6 Flash medium	Qwen	10.0	6.8	$0.741	2/2	6.05s
Total Tes 2 Tes Salah 0 Total Biaya $0.741 Waktu respons (rata-rata) 6.05s
#146	Step 3.7 Flash high	Stepfun	9.8	6.8	$1.229	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $1.229 Waktu respons (rata-rata) 1.52s
#147	Seed-2.0-Code medium	Bytedance Seed	9.8	6.8	$1.153	2/2	10.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.153 Waktu respons (rata-rata) 10.3s
#149	Solar Pro 4 medium	Upstage	9.8	6.8	$0.047	2/2	40.1s
Total Tes 2 Tes Salah 0 Total Biaya $0.047 Waktu respons (rata-rata) 40.1s
#151	GLM 5.3 low	Z.ai	10.0	6.8	$0.257	2/2	3.40s
Total Tes 2 Tes Salah 0 Total Biaya $0.257 Waktu respons (rata-rata) 3.40s
#152	MiMo-V2.5-Pro medium	Xiaomi	9.9	6.8	$0.221	2/2	2.77s
Total Tes 2 Tes Salah 0 Total Biaya $0.221 Waktu respons (rata-rata) 2.77s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)