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)
#409	Grok 4.20 Multi Agent Beta medium	X AI	1.0	0.4	$5.599	2/2	3.52s
Total Tes 2 Tes Salah 0 Total Biaya $5.599 Waktu respons (rata-rata) 3.52s
#431	Grok Build 0.1 none	X AI	1.0	0.3	$0.547	2/2	7.36s
Total Tes 2 Tes Salah 0 Total Biaya $0.547 Waktu respons (rata-rata) 7.36s
#35	Muse Spark Open high	Meta	1.0	0.9	$1.782	2/2	28.5s
Total Tes 2 Tes Salah 0 Total Biaya $1.782 Waktu respons (rata-rata) 28.5s
#53	Muse Spark 1.3 medium	Meta	1.0	0.9	$1.712	2/2	10.5s
Total Tes 2 Tes Salah 0 Total Biaya $1.712 Waktu respons (rata-rata) 10.5s
#57	Gemini 3.6 Flash low	Google	1.0	0.9	$0.363	2/2	2.82s
Total Tes 2 Tes Salah 0 Total Biaya $0.363 Waktu respons (rata-rata) 2.82s
#58	GLM 5.3 Flash max	Z.ai	1.0	0.9	$0.089	2/2	3.65s
Total Tes 2 Tes Salah 0 Total Biaya $0.089 Waktu respons (rata-rata) 3.65s
#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
#95	Inkling high	Thinkingmachines	1.0	0.8	$1.238	2/2	7.00s
Total Tes 2 Tes Salah 0 Total Biaya $1.238 Waktu respons (rata-rata) 7.00s
#97	DeepSeek V4 Flash 0731 high	DeepSeek	1.0	0.8	$0.576	2/2	4.46s
Total Tes 2 Tes Salah 0 Total Biaya $0.576 Waktu respons (rata-rata) 4.46s
#103	GPT-6 Luna medium	OpenAI	1.0	0.8	$0.047	2/2	13.2s
Total Tes 2 Tes Salah 0 Total Biaya $0.047 Waktu respons (rata-rata) 13.2s
#121	GPT-5.4 Nano medium	OpenAI	1.0	0.8	$0.235	2/2	1.88s
Total Tes 2 Tes Salah 0 Total Biaya $0.235 Waktu respons (rata-rata) 1.88s
#131	Qwen3.8 2.4T A95B high	Qwen	1.0	0.8	$2.949	2/2	11.4s
Total Tes 2 Tes Salah 0 Total Biaya $2.949 Waktu respons (rata-rata) 11.4s
#137	GLM 5.3 high	Z.ai	1.0	0.8	$0.495	2/2	3.62s
Total Tes 2 Tes Salah 0 Total Biaya $0.495 Waktu respons (rata-rata) 3.62s
#159	Seed-2.0-Code high	Bytedance Seed	1.0	0.7	$1.448	2/2	11.3s
Total Tes 2 Tes Salah 0 Total Biaya $1.448 Waktu respons (rata-rata) 11.3s
#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

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)