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)
#289	Granite 4.2 8B medium	IBM Granite	0.4	0.6	$0.029	0/2	36.9s
Total Tes 2 Tes Salah 2 Total Biaya $0.029 Waktu respons (rata-rata) 36.9s
#344	Laguna XS 2.1 none	Poolside	0.4	0.5	$0.020	0/2	364ms
Total Tes 2 Tes Salah 2 Total Biaya $0.020 Waktu respons (rata-rata) 364ms
#360	MiniMax M2.7 medium	Minimax	0.4	0.5	$0.326	0/2	12.8s
Total Tes 2 Tes Salah 2 Total Biaya $0.326 Waktu respons (rata-rata) 12.8s
#430	Xing4.0 29b A4b none	Xingchen AGI	0.4	0.3	$0.000	0/2	11.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 11.7s
#358	Laguna S 2.1 medium	Poolside	0.4	0.5	$0.092	0/2	400ms
Total Tes 2 Tes Salah 2 Total Biaya $0.092 Waktu respons (rata-rata) 400ms
#386	Laguna S 2.1 low	Poolside	0.4	0.5	$0.108	0/2	423ms
Total Tes 2 Tes Salah 2 Total Biaya $0.108 Waktu respons (rata-rata) 423ms
#416	Xing4.0 29b A4b medium	Xingchen AGI	0.4	0.4	$0.000	0/2	25.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 25.4s
#379	Laguna S 2.1 none	Poolside	0.4	0.5	$0.044	0/2	566ms
Total Tes 2 Tes Salah 2 Total Biaya $0.044 Waktu respons (rata-rata) 566ms
#317	Space Bunny Alpha low	Stealth	0.4	0.6	$0.000	0/2	1.43s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.43s
#273	Trinity Large Thinking low	Arcee AI	0.4	0.6	$0.918	0/2	4.07s
Total Tes 2 Tes Salah 2 Total Biaya $0.918 Waktu respons (rata-rata) 4.07s
#284	Trinity Large Thinking medium	Arcee AI	0.4	0.6	$0.862	0/2	3.99s
Total Tes 2 Tes Salah 2 Total Biaya $0.862 Waktu respons (rata-rata) 3.99s
#367	Laguna S 2.1 high	Poolside	0.5	0.5	$0.145	0/2	453ms
Total Tes 2 Tes Salah 2 Total Biaya $0.145 Waktu respons (rata-rata) 453ms
#347	Ling 3.0 Flash none	Inclusionai	0.5	0.5	$0.004	0/2	836ms
Total Tes 2 Tes Salah 2 Total Biaya $0.004 Waktu respons (rata-rata) 836ms
#361	Dots 3 Note Preview default	Dots Studio	0.5	0.5	$0.000	0/2	1.06s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 1.06s
#440	Nemotron 3 Nano Omni 30b A3b Reasoning default	NVIDIA	0.5	0.3	$0.000	0/2	541ms
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 541ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)