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)
#111	GPT-5.6 Terra medium	OpenAI	1.0	0.8	$0.483	2/2	1.43s
Total Tes 2 Tes Salah 0 Total Biaya $0.483 Waktu respons (rata-rata) 1.43s
#112	Seed-2.0-Lite medium	Bytedance Seed	1.0	0.8	$0.271	2/2	7.26s
Total Tes 2 Tes Salah 0 Total Biaya $0.271 Waktu respons (rata-rata) 7.26s
#113	Kimi K3.1 Pro high	Moonshot AI	1.0	0.8	$1.646	2/2	5.71s
Total Tes 2 Tes Salah 0 Total Biaya $1.646 Waktu respons (rata-rata) 5.71s
#116	Claude Opus 4.7 medium	Anthropic	1.0	0.8	$3.636	2/2	1.57s
Total Tes 2 Tes Salah 0 Total Biaya $3.636 Waktu respons (rata-rata) 1.57s
#117	DeepSeek V4 Flash 0423 high	DeepSeek	1.0	0.8	$0.261	2/2	15.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.261 Waktu respons (rata-rata) 15.4s
#118	DeepSeek V4.1 Flash low	DeepSeek	1.0	0.8	$0.494	2/2	8.38s
Total Tes 2 Tes Salah 0 Total Biaya $0.494 Waktu respons (rata-rata) 8.38s
#122	Gemini 3.8 Flash medium	Google	1.0	0.8	$0.769	2/2	4.81s
Total Tes 2 Tes Salah 0 Total Biaya $0.769 Waktu respons (rata-rata) 4.81s
#124	GPT-5.6 Terra low	OpenAI	1.0	0.8	$0.435	2/2	1.48s
Total Tes 2 Tes Salah 0 Total Biaya $0.435 Waktu respons (rata-rata) 1.48s
#125	Qwen3.5-27B medium	Qwen	1.0	0.8	$1.135	2/2	19.7s
Total Tes 2 Tes Salah 0 Total Biaya $1.135 Waktu respons (rata-rata) 19.7s
#127	Claude Fable 5.1 high	Anthropic	1.0	0.8	$3.471	2/2	5.60s
Total Tes 2 Tes Salah 0 Total Biaya $3.471 Waktu respons (rata-rata) 5.60s
#129	Qwen3.7 Max none	Qwen	1.0	0.8	$0.451	2/2	943ms
Total Tes 2 Tes Salah 0 Total Biaya $0.451 Waktu respons (rata-rata) 943ms
#134	Ling 3.1 Flash high	Inclusionai	1.0	0.8	$0.000	2/2	4.31s
Total Tes 2 Tes Salah 0 Total Biaya $0.000 Waktu respons (rata-rata) 4.31s
#135	DeepSeek V4.1 Flash 1017 high	DeepSeek	1.0	0.8	$0.589	2/2	1.12s
Total Tes 2 Tes Salah 0 Total Biaya $0.589 Waktu respons (rata-rata) 1.12s
#147	Claude Haiku 5.5 medium	Anthropic	1.0	0.8	$0.063	2/2	3.01s
Total Tes 2 Tes Salah 0 Total Biaya $0.063 Waktu respons (rata-rata) 3.01s
#148	Qwen3.5 Plus 2026-04-20 medium	Qwen	1.0	0.8	$0.435	2/2	20.2s
Total Tes 2 Tes Salah 0 Total Biaya $0.435 Waktu respons (rata-rata) 20.2s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)