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: Total Biaya ↑.

Model yang ditampilkan

Rata-rata Skor Kepatuhan instruksi

8.6

Model terbaik

North Mini Code 9.8

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)
#179	DeepSeek V3.2 none	DeepSeek	10.0	5.0	$0.054	2/2	1.52s
Total Tes 2 Tes Salah 0 Total Biaya $0.054 Waktu respons (rata-rata) 1.52s
#146	Nemotron 3 Super medium	NVIDIA	7.3	5.7	$0.055	1/2	6.97s
Total Tes 2 Tes Salah 1 Total Biaya $0.055 Waktu respons (rata-rata) 6.97s
#203	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
#167	Qwen3.6 35B A3B none	Qwen	6.2	5.3	$0.061	1/2	1.86s
Total Tes 2 Tes Salah 1 Total Biaya $0.061 Waktu respons (rata-rata) 1.86s
#130	Qwen3.6 Flash none	Qwen	6.3	6.1	$0.062	1/2	1.10s
Total Tes 2 Tes Salah 1 Total Biaya $0.062 Waktu respons (rata-rata) 1.10s
#122	Seed-2.0-Lite none	Bytedance Seed	10.0	6.2	$0.066	2/2	1.06s
Total Tes 2 Tes Salah 0 Total Biaya $0.066 Waktu respons (rata-rata) 1.06s
#188	KAT-Coder-Air V2.5 none	Kwaipilot	9.9	4.8	$0.067	2/2	1.75s
Total Tes 2 Tes Salah 0 Total Biaya $0.067 Waktu respons (rata-rata) 1.75s
#108	Laguna XS 2.1 medium	Poolside	9.8	6.5	$0.068	2/2	2.57s
Total Tes 2 Tes Salah 0 Total Biaya $0.068 Waktu respons (rata-rata) 2.57s
#160	MiMo-V2.5-Pro none	Xiaomi	6.4	5.5	$0.068	1/2	1.03s
Total Tes 2 Tes Salah 1 Total Biaya $0.068 Waktu respons (rata-rata) 1.03s
#191	Grok 4.1 Fast medium	X AI	6.5	4.7	$0.069	1/2	4.63s
Total Tes 2 Tes Salah 1 Total Biaya $0.069 Waktu respons (rata-rata) 4.63s
#113	Qwen3.5 Plus 2026-02-15 none	Qwen	10.0	6.4	$0.073	2/2	1.67s
Total Tes 2 Tes Salah 0 Total Biaya $0.073 Waktu respons (rata-rata) 1.67s
#131	Qwen3.5-Flash none	Qwen	6.3	6.1	$0.073	1/2	8.81s
Total Tes 2 Tes Salah 1 Total Biaya $0.073 Waktu respons (rata-rata) 8.81s
#150	KAT-Coder-Air V2.5 high	Kwaipilot	9.8	5.6	$0.077	2/2	1.51s
Total Tes 2 Tes Salah 0 Total Biaya $0.077 Waktu respons (rata-rata) 1.51s
#80	DeepSeek V3.2 medium	DeepSeek	10.0	7.0	$0.078	2/2	35.8s
Total Tes 2 Tes Salah 0 Total Biaya $0.078 Waktu respons (rata-rata) 35.8s
#107	MiMo-V2.5 medium	Xiaomi	9.9	6.5	$0.082	2/2	1.80s
Total Tes 2 Tes Salah 0 Total Biaya $0.082 Waktu respons (rata-rata) 1.80s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)