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)
#134	GLM 5.1 medium	Z.ai	6.4	7.0	$0.727	1/2	7.47s
Total Tes 2 Tes Salah 1 Total Biaya $0.727 Waktu respons (rata-rata) 7.47s
#153	Gemini 3 Flash Preview none	Google	6.4	6.8	$0.085	1/2	1.58s
Total Tes 2 Tes Salah 1 Total Biaya $0.085 Waktu respons (rata-rata) 1.58s
#158	Gemini 3.5 Flash minimal	Google	6.4	6.7	$0.300	1/2	893ms
Total Tes 2 Tes Salah 1 Total Biaya $0.300 Waktu respons (rata-rata) 893ms
#287	Granite 4.2 8B high	IBM Granite	6.4	4.6	$0.084	1/2	87.5s
Total Tes 2 Tes Salah 1 Total Biaya $0.084 Waktu respons (rata-rata) 87.5s
#31	Muse Spark 1.3 high	Meta	6.5	8.9	$1.653	1/2	14.7s
Total Tes 2 Tes Salah 1 Total Biaya $1.653 Waktu respons (rata-rata) 14.7s
#43	Muse Spark 1.1 medium	Meta	6.5	8.6	$1.420	1/2	6.31s
Total Tes 2 Tes Salah 1 Total Biaya $1.420 Waktu respons (rata-rata) 6.31s
#109	LongCat 2.0 medium	Meituan	6.5	7.4	$0.499	1/2	7.38s
Total Tes 2 Tes Salah 1 Total Biaya $0.499 Waktu respons (rata-rata) 7.38s
#113	Claude Sonnet 4.6 none	Anthropic	6.5	7.3	$0.661	1/2	1.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.661 Waktu respons (rata-rata) 1.96s
#141	Claude Fable 5.1 low	Anthropic	6.5	6.9	$2.565	1/2	5.24s
Total Tes 2 Tes Salah 1 Total Biaya $2.565 Waktu respons (rata-rata) 5.24s
#157	LongCat 2.0 low	Meituan	6.5	6.7	$0.412	1/2	6.39s
Total Tes 2 Tes Salah 1 Total Biaya $0.412 Waktu respons (rata-rata) 6.39s
#160	LongCat 2.0 high	Meituan	6.5	6.7	$0.492	1/2	6.96s
Total Tes 2 Tes Salah 1 Total Biaya $0.492 Waktu respons (rata-rata) 6.96s
#177	LongCat 2.0 none	Meituan	6.5	6.4	$0.044	1/2	2.82s
Total Tes 2 Tes Salah 1 Total Biaya $0.044 Waktu respons (rata-rata) 2.82s
#196	Gemma 4 31B none	Google	6.5	6.1	$0.016	1/2	2.84s
Total Tes 2 Tes Salah 1 Total Biaya $0.016 Waktu respons (rata-rata) 2.84s
#214	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
#222	Kimi K2.6 none	Moonshot AI	6.5	5.7	$0.233	1/2	1.64s
Total Tes 2 Tes Salah 1 Total Biaya $0.233 Waktu respons (rata-rata) 1.64s

Peringkat Kepatuhan instruksi

Filter model

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)