AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Kategori AI BENCHY

Peringkat 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

15

Rata-rata Skor Kepatuhan instruksi

8.5

Model terbaik

Grok 4.1 Fast 3.0
Peringkat Model Perusahaan Skor Kepatuhan instruksi Skor Tes benar Waktu respons (rata-rata)
#132 Mistral Small 4 medium Mistral 7.3 5.3 1/2 1.38s
#129 MiniMax M2.5 medium Minimax 7.5 5.3 1/2 621ms
#62 Step 3.5 Flash medium Stepfun 8.3 7.2 1/2 4.78s
#80 Mimo V2 Omni medium Xiaomi 8.3 6.7 1/2 4.99s
#12 Gemini 3.1 Flash Lite Preview high Google 9.8 8.6 2/2 64.0s
#13 Grok 4.20 Beta medium X AI 9.8 8.5 2/2 4.89s
#22 Step 3.7 Flash medium Stepfun 9.8 8.0 2/2 1.83s
#24 GPT-5.2 Chat none OpenAI 9.8 7.9 2/2 5.51s
#28 Gemini 2.5 Flash medium Google 9.8 7.8 2/2 2.62s
#35 Gemini 3 PRO Preview medium Google 9.8 7.6 2/2 3.26s
#41 Nemotron 3 Ultra 550b A55b medium NVIDIA 9.8 7.5 2/2 6.35s
#45 GPT-5.4 Mini medium OpenAI 9.8 7.5 2/2 2.13s
#57 Step 3.7 Flash low Stepfun 9.8 7.3 2/2 1.58s
#63 GPT-5.3 Chat none OpenAI 9.8 7.2 2/2 3.51s
#65 Grok 4.20 medium X AI 9.8 7.1 2/2 4.26s

Model teratas menurut Skor Kepatuhan instruksi

Skor Kepatuhan instruksi vs total biaya

Model teratas menurut Waktu respons (rata-rata)