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

8.5

Model terbaik

Granite 4.2 8B 3.0

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)
#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
#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
#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
#154	Gemma 4 26B A4B medium	Google	10.0	6.8	$0.092	2/2	17.5s
Total Tes 2 Tes Salah 0 Total Biaya $0.092 Waktu respons (rata-rata) 17.5s
#161	Claude Opus 4.7 none	Anthropic	10.0	6.6	$0.505	2/2	1.46s
Total Tes 2 Tes Salah 0 Total Biaya $0.505 Waktu respons (rata-rata) 1.46s
#164	Gemini 3.1 Flash Lite Preview low	Google	10.0	6.6	$0.646	2/2	1.49s
Total Tes 2 Tes Salah 0 Total Biaya $0.646 Waktu respons (rata-rata) 1.49s
#166	Gemini 3.1 Flash Lite low	Google	10.0	6.6	$0.621	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $0.621 Waktu respons (rata-rata) 1.52s
#167	Qwen3.6 35B A3B medium	Qwen	10.0	6.6	$0.672	2/2	7.50s
Total Tes 2 Tes Salah 0 Total Biaya $0.672 Waktu respons (rata-rata) 7.50s
#169	Qwen3.5 Plus 2026-02-15 none	Qwen	10.0	6.6	$0.073	2/2	1.67s
Total Tes 2 Tes Salah 0 Total Biaya $0.073 Waktu respons (rata-rata) 1.67s
#170	Qwen3.6 27B medium	Qwen	10.0	6.5	$0.577	2/2	38.0s
Total Tes 2 Tes Salah 0 Total Biaya $0.577 Waktu respons (rata-rata) 38.0s
#172	Hy3 preview medium	Tencent	10.0	6.5	$0.049	2/2	6.16s
Total Tes 2 Tes Salah 0 Total Biaya $0.049 Waktu respons (rata-rata) 6.16s
#173	Gemini 3.1 Flash Lite Preview none	Google	10.0	6.4	$0.052	2/2	1.13s
Total Tes 2 Tes Salah 0 Total Biaya $0.052 Waktu respons (rata-rata) 1.13s
#179	Ling-3.0-flash high	Inclusionai	10.0	6.4	$0.021	2/2	1.85s
Total Tes 2 Tes Salah 0 Total Biaya $0.021 Waktu respons (rata-rata) 1.85s
#182	MiMo-V2-Flash medium	Xiaomi	10.0	6.3	$0.043	2/2	4.28s
Total Tes 2 Tes Salah 0 Total Biaya $0.043 Waktu respons (rata-rata) 4.28s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)