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: Waktu respons (rata-rata) ↑.

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)
#420	Grok 4.20 Beta default	X AI	0.6	0.4	$0.087	1/2	649ms
Total Tes 2 Tes Salah 1 Total Biaya $0.087 Waktu respons (rata-rata) 649ms
#421	Laguna M.1 default	Poolside	0.6	0.4	$0.009	1/2	683ms
Total Tes 2 Tes Salah 1 Total Biaya $0.009 Waktu respons (rata-rata) 683ms
#433	Grok 4.1 Fast default	X AI	0.3	0.3	$0.008	0/2	685ms
Total Tes 2 Tes Salah 2 Total Biaya $0.008 Waktu respons (rata-rata) 685ms
#329	Gemma 4 26B A4B none	Google	0.6	0.5	$0.031	1/2	690ms
Total Tes 2 Tes Salah 1 Total Biaya $0.031 Waktu respons (rata-rata) 690ms
#312	GPT-5.4 Mini none	OpenAI	0.6	0.6	$0.170	1/2	728ms
Total Tes 2 Tes Salah 1 Total Biaya $0.170 Waktu respons (rata-rata) 728ms
#370	MiMo-V2.5 none	Xiaomi	0.7	0.5	$0.049	1/2	751ms
Total Tes 2 Tes Salah 1 Total Biaya $0.049 Waktu respons (rata-rata) 751ms
#455	LFM2-24B-A2B default	Liquid	0.6	0.2	$0.001	1/2	752ms
Total Tes 2 Tes Salah 1 Total Biaya $0.001 Waktu respons (rata-rata) 752ms
#365	Inkling Small none	Thinkingmachines	0.6	0.5	$0.054	1/2	767ms
Total Tes 2 Tes Salah 1 Total Biaya $0.054 Waktu respons (rata-rata) 767ms
#383	GPT-5.4 Nano none	OpenAI	0.6	0.5	$0.068	1/2	784ms
Total Tes 2 Tes Salah 1 Total Biaya $0.068 Waktu respons (rata-rata) 784ms
#294	MiMo-V2.6-Pro none	Xiaomi	1.0	0.6	$0.193	2/2	803ms
Total Tes 2 Tes Salah 0 Total Biaya $0.193 Waktu respons (rata-rata) 803ms
#395	Nemotron 3 Super none	NVIDIA	0.6	0.4	$0.016	1/2	804ms
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 804ms
#322	Qwen3.5-35B-A3B none	Qwen	0.6	0.6	$0.120	1/2	809ms
Total Tes 2 Tes Salah 1 Total Biaya $0.120 Waktu respons (rata-rata) 809ms
#336	MiMo-V2.6-Flash none	Xiaomi	0.7	0.5	$0.060	1/2	810ms
Total Tes 2 Tes Salah 1 Total Biaya $0.060 Waktu respons (rata-rata) 810ms
#453	D1 default	Liquid	0.2	0.2	$0.003	0/1	820ms
Total Tes 1 Tes Salah 1 Total Biaya $0.003 Waktu respons (rata-rata) 820ms
#397	Trinity Large Preview default	Arcee AI	0.4	0.4	$0.008	0/2	822ms
Total Tes 2 Tes Salah 2 Total Biaya $0.008 Waktu respons (rata-rata) 822ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)