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

8.5

Model terbaik

Granite 4.2 8B 3.0

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah82 Dengan alasan kegagalan Tidak mengikuti instruksi48 Dengan alasan kegagalan Format tambahan7 Dengan alasan kegagalan Kedaluwarsa5 Dengan alasan kegagalan Kesalahan API2 Dengan alasan kegagalan Tidak ada jawaban2

316/316

Peringkat	Model	Perusahaan	Skor Kepatuhan instruksi	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#288	Qwen3 Coder Next medium	Qwen	6.3	4.6	$0.034	1/2	7.49s
Total Tes 2 Tes Salah 1 Total Biaya $0.034 Waktu respons (rata-rata) 7.49s
#291	Grok 4.20 Beta none	X AI	6.3	4.4	$0.087	1/2	649ms
Total Tes 2 Tes Salah 1 Total Biaya $0.087 Waktu respons (rata-rata) 649ms
#298	Grok 4.20 none	X AI	6.3	4.1	$0.057	1/2	445ms
Total Tes 2 Tes Salah 1 Total Biaya $0.057 Waktu respons (rata-rata) 445ms
#316	LFM2-24B-A2B none	Liquid	6.3	2.2	$0.001	1/2	752ms
Total Tes 2 Tes Salah 1 Total Biaya $0.001 Waktu respons (rata-rata) 752ms
#150	DeepSeek V4 Pro none	DeepSeek	6.3	6.8	$0.220	1/2	4.12s
Total Tes 2 Tes Salah 1 Total Biaya $0.220 Waktu respons (rata-rata) 4.12s
#265	Mercury 2.5 Preview low	Inception	6.3	5.0	$0.011	1/2	1.60s
Total Tes 2 Tes Salah 1 Total Biaya $0.011 Waktu respons (rata-rata) 1.60s
#292	Laguna M.1 none	Poolside	6.3	4.4	$0.009	1/2	683ms
Total Tes 2 Tes Salah 1 Total Biaya $0.009 Waktu respons (rata-rata) 683ms
#300	Hy3 preview none	Tencent	6.3	4.0	$0.007	1/2	13.0s
Total Tes 2 Tes Salah 1 Total Biaya $0.007 Waktu respons (rata-rata) 13.0s
#186	Claude Sonnet 5 none	Anthropic	6.4	6.1	$0.548	1/2	2.58s
Total Tes 2 Tes Salah 1 Total Biaya $0.548 Waktu respons (rata-rata) 2.58s
#215	Solar Pro 4 none	Upstage	6.4	5.8	$0.006	1/2	1.67s
Total Tes 2 Tes Salah 1 Total Biaya $0.006 Waktu respons (rata-rata) 1.67s
#230	Owl Alpha none	Openrouter	6.4	5.6	$0.000	1/2	2.63s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 2.63s
#242	MiMo-V2.5-Pro none	Xiaomi	6.4	5.4	$0.068	1/2	1.03s
Total Tes 2 Tes Salah 1 Total Biaya $0.068 Waktu respons (rata-rata) 1.03s
#249	Ling-2.6-1T none	Inclusionai	6.4	5.3	$0.016	1/2	5.36s
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 5.36s
#297	Hunter Alpha none	OpenRouter	6.4	4.2	$0.000	1/2	2.82s
Total Tes 2 Tes Salah 1 Total Biaya $0.000 Waktu respons (rata-rata) 2.82s
#65	Muse Spark 1.1 high	Meta	6.4	8.0	$2.253	1/2	7.81s
Total Tes 2 Tes Salah 1 Total Biaya $2.253 Waktu respons (rata-rata) 7.81s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)