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)
#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
#445	GPT-6 Luna Decisions default	OpenAI	0.2	0.2	$0.005	0/1	842ms
Total Tes 1 Tes Salah 1 Total Biaya $0.005 Waktu respons (rata-rata) 842ms
#429	MiMo-V2-Flash default	Xiaomi	0.7	0.3	$0.025	1/2	857ms
Total Tes 2 Tes Salah 1 Total Biaya $0.025 Waktu respons (rata-rata) 857ms
#299	Gemini 3.1 Flash Lite none	Google	1.0	0.6	$0.069	2/2	859ms
Total Tes 2 Tes Salah 0 Total Biaya $0.069 Waktu respons (rata-rata) 859ms
#249	Beam 1.0 501B A23B max	Reflection	0.8	0.6	$0.799	1/2	866ms
Total Tes 2 Tes Salah 1 Total Biaya $0.799 Waktu respons (rata-rata) 866ms
#375	GLM 4.7 Flash none	Z.ai	0.7	0.5	$0.027	1/2	888ms
Total Tes 2 Tes Salah 1 Total Biaya $0.027 Waktu respons (rata-rata) 888ms
#303	Qwen3.7 Flash none	Qwen	0.6	0.6	$0.028	1/2	892ms
Total Tes 2 Tes Salah 1 Total Biaya $0.028 Waktu respons (rata-rata) 892ms
#256	Gemini 3.5 Flash minimal	Google	0.6	0.6	$0.508	1/2	893ms
Total Tes 2 Tes Salah 1 Total Biaya $0.508 Waktu respons (rata-rata) 893ms
#450	Clef Omni default	Cloudflare	0.2	0.2	$0.011	0/1	904ms
Total Tes 1 Tes Salah 1 Total Biaya $0.011 Waktu respons (rata-rata) 904ms
#140	Qwen3.7 Plus none	Qwen	0.6	0.8	$0.178	1/2	929ms
Total Tes 2 Tes Salah 1 Total Biaya $0.178 Waktu respons (rata-rata) 929ms
#297	Gemini 3.1 Flash Lite minimal	Google	1.0	0.6	$0.080	2/2	932ms
Total Tes 2 Tes Salah 0 Total Biaya $0.080 Waktu respons (rata-rata) 932ms
#240	Mercury 2.5 high	Inception	0.7	0.6	$0.044	1/2	934ms
Total Tes 2 Tes Salah 1 Total Biaya $0.044 Waktu respons (rata-rata) 934ms
#129	Qwen3.7 Max none	Qwen	1.0	0.8	$0.451	2/2	943ms
Total Tes 2 Tes Salah 0 Total Biaya $0.451 Waktu respons (rata-rata) 943ms
#191	MiMo-V2.6-Flash low	Xiaomi	0.8	0.7	$0.200	1/2	955ms
Total Tes 2 Tes Salah 1 Total Biaya $0.200 Waktu respons (rata-rata) 955ms
#354	Mercury 2.5 low	Inception	0.3	0.5	$0.020	0/2	972ms
Total Tes 2 Tes Salah 2 Total Biaya $0.020 Waktu respons (rata-rata) 972ms

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)