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

8.6

Model terbaik

Grok 4.1 Fast 3.0

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah61 Dengan alasan kegagalan Tidak mengikuti instruksi19 Dengan alasan kegagalan Format tambahan3 Dengan alasan kegagalan Tidak ada jawaban2 Dengan alasan kegagalan Kedaluwarsa1 Dengan alasan kegagalan Kesalahan API1

216/216

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#102	LongCat 2.0 high	Meituan	6.5	6.6	$0.469	1/2	6.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.469 Waktu respons (rata-rata) 6.96s
#117	LongCat 2.0 none	Meituan	6.5	6.3	$0.044	1/2	2.82s
Total Tes 2 Tes Salah 1 Total Biaya $0.044 Waktu respons (rata-rata) 2.82s
#121	Gemma 4 31B none	Google	6.5	6.2	$0.021	1/2	2.84s
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 2.84s
#144	Kimi K2.6 none	Moonshot AI	6.5	5.8	$0.184	1/2	1.64s
Total Tes 2 Tes Salah 1 Total Biaya $0.184 Waktu respons (rata-rata) 1.64s
#145	GPT-5.4 none	OpenAI	6.5	5.8	$0.397	1/2	1.07s
Total Tes 2 Tes Salah 1 Total Biaya $0.397 Waktu respons (rata-rata) 1.07s
#151	GLM 5V Turbo none	Z.ai	6.5	5.6	$0.052	1/2	1.97s
Total Tes 2 Tes Salah 1 Total Biaya $0.052 Waktu respons (rata-rata) 1.97s
#152	Owl Alpha medium	Openrouter	6.5	5.6	$0.000	1/2	10.2s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 10.2s
#153	Mimo V2 PRO none	Xiaomi	6.5	5.6	$0.045	1/2	2.51s
Total Tes 2 Tes Salah 1 Total Biaya $0.045 Waktu respons (rata-rata) 2.51s
#156	DeepSeek V4 Flash none	DeepSeek	6.5	5.6	$0.042	1/2	17.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.042 Waktu respons (rata-rata) 17.5s
#161	Kimi K2.5 none	Moonshot AI	6.5	5.5	$0.127	1/2	2.67s
Total Tes 2 Tes Salah 1 Total Biaya $0.127 Waktu respons (rata-rata) 2.67s
#163	Mimo V2 Omni none	Xiaomi	6.5	5.5	$0.021	1/2	4.26s
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 4.26s
#171	Mistral Small 4 none	Mistral	6.5	5.1	$0.022	1/2	380ms
Total Tes 2 Tes Salah 1 Total Biaya $0.022 Waktu respons (rata-rata) 380ms
#174	MiMo-V2.5 none	Xiaomi	6.5	5.1	$0.025	1/2	751ms
Total Tes 2 Tes Salah 1 Total Biaya $0.025 Waktu respons (rata-rata) 751ms
#175	Qwen3.5-9B none	Qwen	6.5	5.1	$0.021	1/2	514ms
Total Tes 2 Tes Salah 1 Total Biaya $0.021 Waktu respons (rata-rata) 514ms
#176	GLM 5 Turbo none	Z.ai	6.5	5.1	$0.047	1/2	2.13s
Total Tes 2 Tes Salah 1 Total Biaya $0.047 Waktu respons (rata-rata) 2.13s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)