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)
#25	GPT-5.5 low	OpenAI	1.0	0.9	$1.822	2/2	3.74s
Total Tes 2 Tes Salah 0 Total Biaya $1.822 Waktu respons (rata-rata) 3.74s
#51	Gemini 3.5 Flash low	Google	1.0	0.9	$0.752	2/2	1.86s
Total Tes 2 Tes Salah 0 Total Biaya $0.752 Waktu respons (rata-rata) 1.86s
#73	GPT-5.2 medium	OpenAI	1.0	0.9	$1.558	2/2	3.12s
Total Tes 2 Tes Salah 0 Total Biaya $1.558 Waktu respons (rata-rata) 3.12s
#82	Claude Sonnet 5.5 high	Anthropic	1.0	0.9	$1.175	2/2	5.13s
Total Tes 2 Tes Salah 0 Total Biaya $1.175 Waktu respons (rata-rata) 5.13s
#87	Claude Sonnet 5 medium	Anthropic	1.0	0.9	$1.438	2/2	3.10s
Total Tes 2 Tes Salah 0 Total Biaya $1.438 Waktu respons (rata-rata) 3.10s
#100	Claude Haiku 5.5 high	Anthropic	1.0	0.8	$0.088	2/2	3.19s
Total Tes 2 Tes Salah 0 Total Biaya $0.088 Waktu respons (rata-rata) 3.19s
#110	GLM 5.2 medium	Z.ai	1.0	0.8	$1.007	2/2	7.90s
Total Tes 2 Tes Salah 0 Total Biaya $1.007 Waktu respons (rata-rata) 7.90s
#119	GPT-5.6 Luna high	OpenAI	1.0	0.8	$0.118	2/2	1.79s
Total Tes 2 Tes Salah 0 Total Biaya $0.118 Waktu respons (rata-rata) 1.79s
#126	GLM 5.3 FlashX max	Z.ai	1.0	0.8	$0.623	2/2	2.23s
Total Tes 2 Tes Salah 0 Total Biaya $0.623 Waktu respons (rata-rata) 2.23s
#130	Gemini 3.5 Flash medium	Google	1.0	0.8	$1.316	2/2	2.70s
Total Tes 2 Tes Salah 0 Total Biaya $1.316 Waktu respons (rata-rata) 2.70s
#132	MiMo-V2.6-Flash medium	Xiaomi	1.0	0.8	$0.218	2/2	1.13s
Total Tes 2 Tes Salah 0 Total Biaya $0.218 Waktu respons (rata-rata) 1.13s
#146	Nemotron 3.5 Super VL medium	NVIDIA	1.0	0.8	$0.437	2/2	4.34s
Total Tes 2 Tes Salah 0 Total Biaya $0.437 Waktu respons (rata-rata) 4.34s
#160	GPT-5.6 Luna medium	OpenAI	1.0	0.7	$0.065	2/2	2.38s
Total Tes 2 Tes Salah 0 Total Biaya $0.065 Waktu respons (rata-rata) 2.38s
#162	DeepSeek V4 Flash 0731 low	DeepSeek	1.0	0.7	$0.306	2/2	3.01s
Total Tes 2 Tes Salah 0 Total Biaya $0.306 Waktu respons (rata-rata) 3.01s
#192	MiMo-V2.5 medium	Xiaomi	1.0	0.7	$0.130	2/2	1.80s
Total Tes 2 Tes Salah 0 Total Biaya $0.130 Waktu respons (rata-rata) 1.80s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)