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: Total Biaya ↑.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

Dots 3 Note Preview 7.9

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)
#31	Muse Spark 1.3 high	Meta	6.5	8.9	$1.653	1/2	14.7s
Total Tes 2 Tes Salah 1 Total Biaya $1.653 Waktu respons (rata-rata) 14.7s
#50	Grok 4.6 medium	X AI	9.8	8.4	$1.713	2/2	12.8s
Total Tes 2 Tes Salah 0 Total Biaya $1.713 Waktu respons (rata-rata) 12.8s
#233	Hy4 preview low	Tencent	9.8	5.6	$1.745	2/2	77.7s
Total Tes 2 Tes Salah 0 Total Biaya $1.745 Waktu respons (rata-rata) 77.7s
#41	Muse Spark 1.2 high	Meta	9.8	8.7	$1.771	2/2	5.43s
Total Tes 2 Tes Salah 0 Total Biaya $1.771 Waktu respons (rata-rata) 5.43s
#14	GPT-6 Astra medium	OpenAI	10.0	9.4	$1.774	2/2	2.86s
Total Tes 2 Tes Salah 0 Total Biaya $1.774 Waktu respons (rata-rata) 2.86s
#32	Seed 2.1 Turbo high	Bytedance Seed	9.8	8.9	$1.797	2/2	7.66s
Total Tes 2 Tes Salah 0 Total Biaya $1.797 Waktu respons (rata-rata) 7.66s
#17	Grok 4.6 high	X AI	9.8	9.3	$1.908	2/2	13.8s
Total Tes 2 Tes Salah 0 Total Biaya $1.908 Waktu respons (rata-rata) 13.8s
#54	Seed 2.1 Turbo medium	Bytedance Seed	9.8	8.4	$1.951	2/2	7.48s
Total Tes 2 Tes Salah 0 Total Biaya $1.951 Waktu respons (rata-rata) 7.48s
#36	Claude Opus 4.8 medium	Anthropic	10.0	8.8	$1.983	2/2	3.32s
Total Tes 2 Tes Salah 0 Total Biaya $1.983 Waktu respons (rata-rata) 3.32s
#11	Gemini 3.5 Flash high	Google	10.0	9.4	$2.011	2/2	3.35s
Total Tes 2 Tes Salah 0 Total Biaya $2.011 Waktu respons (rata-rata) 3.35s
#48	Grok 4.5 medium	X AI	9.8	8.5	$2.042	2/2	6.06s
Total Tes 2 Tes Salah 0 Total Biaya $2.042 Waktu respons (rata-rata) 6.06s
#224	Gemini 3.1 Flash Lite high	Google	7.3	5.6	$2.044	1/2	23.3s
Total Tes 2 Tes Salah 1 Total Biaya $2.044 Waktu respons (rata-rata) 23.3s
#83	Claude Opus 4.8 low	Anthropic	9.8	7.8	$2.089	2/2	2.78s
Total Tes 2 Tes Salah 0 Total Biaya $2.089 Waktu respons (rata-rata) 2.78s
#80	Claude Sonnet 4.6 medium	Anthropic	10.0	7.8	$2.126	2/2	2.61s
Total Tes 2 Tes Salah 0 Total Biaya $2.126 Waktu respons (rata-rata) 2.61s
#29	Grok 4.5 high	X AI	9.8	9.0	$2.252	2/2	6.23s
Total Tes 2 Tes Salah 0 Total Biaya $2.252 Waktu respons (rata-rata) 6.23s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)