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)
#378	North Mini Code default	Cohere	0.7	0.5	$0.000	1/2	30.7s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 30.7s
#338	Ember-1 none	Fireworks	0.6	0.5	$0.786	1/2	31.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.786 Waktu respons (rata-rata) 31.0s
#178	Qwen3.5 Plus 2026-02-15 medium	Qwen	1.0	0.7	$0.567	2/2	31.9s
Total Tes 2 Tes Salah 0 Total Biaya $0.567 Waktu respons (rata-rata) 31.9s
#197	Ember-1 low	Fireworks	0.6	0.7	$1.488	1/2	32.7s
Total Tes 2 Tes Salah 1 Total Biaya $1.488 Waktu respons (rata-rata) 32.7s
#223	Ember-1 max	Fireworks	0.6	0.7	$3.264	1/2	33.0s
Total Tes 2 Tes Salah 1 Total Biaya $3.264 Waktu respons (rata-rata) 33.0s
#205	Ember-1 high	Fireworks	0.7	0.7	$2.405	1/2	33.4s
Total Tes 2 Tes Salah 1 Total Biaya $2.405 Waktu respons (rata-rata) 33.4s
#374	Hy3 preview high	Tencent	1.0	0.5	$0.135	2/2	34.4s
Total Tes 2 Tes Salah 0 Total Biaya $0.135 Waktu respons (rata-rata) 34.4s
#272	DeepSeek V3.2 medium	DeepSeek	1.0	0.6	$0.152	2/2	35.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.152 Waktu respons (rata-rata) 35.8s
#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
#186	Qwen3.6 27B medium	Qwen	1.0	0.7	$1.021	2/2	38.0s
Total Tes 2 Tes Salah 0 Total Biaya $1.021 Waktu respons (rata-rata) 38.0s
#250	Solar Pro 4 medium	Upstage	1.0	0.6	$0.098	2/2	40.1s
Total Tes 2 Tes Salah 0 Total Biaya $0.098 Waktu respons (rata-rata) 40.1s
#267	Solar Pro 4 high	Upstage	0.8	0.6	$0.077	1/2	41.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.077 Waktu respons (rata-rata) 41.5s
#372	Hy4 preview none	Tencent	0.7	0.5	$0.165	1/2	47.9s
Total Tes 2 Tes Salah 1 Total Biaya $0.165 Waktu respons (rata-rata) 47.9s
#216	Solar Pro 4 xhigh	Upstage	0.8	0.7	$0.067	1/2	51.3s
Total Tes 2 Tes Salah 1 Total Biaya $0.067 Waktu respons (rata-rata) 51.3s
#220	Solar Pro 4 low	Upstage	0.8	0.7	$0.101	1/2	56.4s
Total Tes 2 Tes Salah 1 Total Biaya $0.101 Waktu respons (rata-rata) 56.4s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)