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: Waktu respons (rata-rata) ↑.

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)
#295	Inkling Small medium	Thinkingmachines	0.8	0.6	$0.113	1/2	3.78s
Total Tes 2 Tes Salah 1 Total Biaya $0.113 Waktu respons (rata-rata) 3.78s
#269	Ling 3.1 Flash low	Inclusionai	1.0	0.6	$0.000	2/2	3.82s
Total Tes 2 Tes Salah 0 Total Biaya $0.000 Waktu respons (rata-rata) 3.82s
#10	Gemini 3.6 Flash medium	Google	1.0	1.0	$0.577	2/2	3.82s
Total Tes 2 Tes Salah 0 Total Biaya $0.577 Waktu respons (rata-rata) 3.82s
#64	Pareto 26.9 default	Unbiased	1.0	0.9	$1.864	2/2	3.82s
Total Tes 2 Tes Salah 0 Total Biaya $1.864 Waktu respons (rata-rata) 3.82s
#229	GLM 5.2 none	Z.ai	1.0	0.7	$0.250	2/2	3.84s
Total Tes 2 Tes Salah 0 Total Biaya $0.250 Waktu respons (rata-rata) 3.84s
#37	Muse Wonder medium	Meta	0.7	0.9	$3.397	1/2	3.88s
Total Tes 2 Tes Salah 1 Total Biaya $3.397 Waktu respons (rata-rata) 3.88s
#166	Inkling Small high	Thinkingmachines	1.0	0.7	$0.398	2/2	3.94s
Total Tes 2 Tes Salah 0 Total Biaya $0.398 Waktu respons (rata-rata) 3.94s
#284	Trinity Large Thinking medium	Arcee AI	0.4	0.6	$0.862	0/2	3.99s
Total Tes 2 Tes Salah 2 Total Biaya $0.862 Waktu respons (rata-rata) 3.99s
#66	Qwen3.8 MAX low	Qwen	1.0	0.9	$1.089	2/2	4.01s
Total Tes 2 Tes Salah 0 Total Biaya $1.089 Waktu respons (rata-rata) 4.01s
#448	Mammoth 1 default	Baseten	0.2	0.2	$0.000	0/1	4.04s
Total Tes 1 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 4.04s
#15	Gemini 3 Flash Preview medium	Google	1.0	1.0	$0.876	2/2	4.04s
Total Tes 2 Tes Salah 0 Total Biaya $0.876 Waktu respons (rata-rata) 4.04s
#1	Gemini 3.6 Flash high	Google	1.0	1.0	$0.900	2/2	4.07s
Total Tes 2 Tes Salah 0 Total Biaya $0.900 Waktu respons (rata-rata) 4.07s
#273	Trinity Large Thinking low	Arcee AI	0.4	0.6	$0.918	0/2	4.07s
Total Tes 2 Tes Salah 2 Total Biaya $0.918 Waktu respons (rata-rata) 4.07s
#323	Nemotron 3.5 Super VL none	NVIDIA	1.0	0.6	$0.040	2/2	4.08s
Total Tes 2 Tes Salah 0 Total Biaya $0.040 Waktu respons (rata-rata) 4.08s
#167	DeepSeek V4 Pro 0423 none	DeepSeek	0.6	0.7	$0.083	1/2	4.12s
Total Tes 2 Tes Salah 1 Total Biaya $0.083 Waktu respons (rata-rata) 4.12s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)